Python爬取扇贝“【无老师】7天搞定TOEFL单词”

最新推荐文章于 2023-08-22 13:15:02 发布

dadadaplz

最新推荐文章于 2023-08-22 13:15:02 发布

阅读量2k

点赞数 1

分类专栏： Python

本文链接：https://blog.csdn.net/panglinzhuo/article/details/79096911

版权

该Python脚本用于爬取扇贝网上【无老师】7天TOEFL单词系列的内容。脚本首先检查URL并获取网页内容，接着判断并抓取含有特定字符串的URL，再提取表格数据，并将结果保存到CSV文件中。主要使用了BeautifulSoup和requests库来实现爬虫功能。

摘要由CSDN通过智能技术生成

#!/usr/bin/env python3
from bs4 import BeautifulSoup
import requests
import csv
import bs4
import codecs


#检查url地址并返回网页contents
def check_link(url):
    try:
        
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print('无法链接服务器！！！')

# 判断一个unicode是否是英文字母
def is_alphabet(uchar):         
    if ('\u0041' <= uchar<='\u005a') or ('\u0061' <= uchar<='\u007a'):
        return True
    else:
        return False


#爬取表格数据
def get_contents(urlist):
    '''urlist: a list containing all the useful urls'''
    result = []
    for url in urlist:
        content = check_link(url)
        soup = BeautifulSoup(content,'lxml')
        trs = soup.find_all('tr')
        for tr in trs:
            ui = []
            fo