百度文库爬虫

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"}):
    plist.extend(div.get_text().split('\n'))
plist = [c.replace(' ', '') for c in plist]
plist = [c.replace('\x0c', '') for c in plist]
plist
file = open('test.txt', 'w',encoding='utf-8')
for str in plist:
    file.write(str)
    file.write('\n')
file.close()

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
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