Python 爬取百度词条Python Demo

最新推荐文章于 2024-09-09 15:29:18 发布

Lee_妞

最新推荐文章于 2024-09-09 15:29:18 发布

阅读量1.8k

点赞数 1

分类专栏： Python 文章标签： python 获取python百度词条实例

本文链接：https://blog.csdn.net/qq_31541225/article/details/77714820

版权

这是一个Python爬虫程序，用于爬取百度百科中的Python词条。程序包含URL管理器、HTML下载器、HTML解析器和HTML输出器四个主要模块。通过URLManager类管理待爬取和已爬取的URL，HtmlDownloader类下载网页内容，HtmlParser类解析HTML获取新URL和数据，最后HtmlOutputer类将收集到的数据输出到output.html文件。

摘要由CSDN通过智能技术生成

Python 爬取百度Python词条

1.main.py(运行)

# -*- coding: utf-8 -*-
from baiKe_spider import url_manager, html_downloader, html_parser,html_outputer

#初始化需要的对象
class SpiderMain(object):
def __init__(self):
self.urls = url_manager.UrlManager() #url管理器
self.downloader = html_downloader.HtmlDownloader() #下载器
self.parser = html_parser.HtmlParser() #html解析器
self.outputer = html_outputer.HtmlOutputer() #html输出器
#爬出的调度程序
def craw(self, root_url):
count = 1
self.urls.add_new_url(root_url);
while self.urls.has_new_url():
try:
new_url = self.urls.get_new_url() #获取新的url
print 'craw %d:%s' % (count,new_url)
html_cont = self.downloader.dowmload(new_url) #启动下载器下载页面
new_urls,new_data = self.parser.parse(new_url,html_cont) #解析器
self.urls.add_new_urls(new_urls)
self.outputer.cllect_data(new_data)
#获取1000个之后跳出循环