百度文库爬虫
本程序可以通过网络爬虫实现对大部分百度文库资源的获取
安装所需要的python库
以下是爬虫需要用到的几个python库,需要提前安装好。
不会安装或者安装失败的同学可以参考我另一篇博客
1.beautifulsoup4
2. requests
3. bs4
源代码
import requests
from bs4 import BeautifulSoup
url = 'https://wenku.baidu.com/view/cff4b11fe418964bcf84b9d528ea81c758f52e38.html?rec_flag=default&word=%E5%B8%B8%E8%A7%81%E7%96%BE%E7%97%85%E7%94%A8%E8%8D%AF%E6%89%8B%E5%86%8C%E7%94%B5%E5%AD%90%E7%89%88%E5%85%8D%E8%B4%B9%E4%B8%8B%E8%BD%BD&fr=pc_oldview_relate-1001_1-2-wk_rec_doc2-1001_1-16661ed9ad51f01dc281f105-cff4b11fe418964bcf84b9d528ea81c758f52e38'
header = {'User-agent': 'Googlebot'}
res = requests.get(url , headers = header)
res.text
plist = []
soup = BeautifulSoup(res.content, "html.parser")
plist.append(str(soup.title))
for div in soup.find_all('div', attrs={"class": "bd doc-reader"}):