requests+lxml 爬虫练习

import  requests

import lxml.html
etree=lxml.html.etree

import codecs
def get_info_list(url):
    html=requests.get(url).content
    # print(html)
    sel=etree.HTML(html)
    title_li=sel.xpath('//*[@id="content"]/ul[1]/li/a/@href')
    for url in title_li:
        print(url)
        yield 'http://www.runoob.com'+url
def get_info_text(url_list):
    for item in url_list:
        html=requests.get(item).content
        sel=etree.HTML(html)
        #标题
        title=sel.xpath('//*[@id="content"]/h1/text()')[0]
        #描述
        description=sel.xpath('//*[@id="content"]/p[2]/text()')
        #程序
        content_list=sel.xpath('//*[@id="content"]/p[position()>1 and position()<4]/text()')
        content='\n'.join(content_list)
        yield (title,content)

page_url='https://www.runoob.com/python/python-100-examples.html'
url_list=get_info_list(page_url)
content_list=get_info_text(url_list)
print(content_list)
with codecs.open('k.txt','w+','utf-8')as f:
    for title,content in content_list:
        print(title)
        f.write(title+'\n')
        f.write(content+'\n')
        f.write('*'*100+'\n')

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值