# -*- codeing = utf-8 -*-
# @Time : 2021/1/18 22:05
# @file spider2.py
# @Software:PyCharm
from bs4 import BeautifulSoup #网页解析获取数据
import re #正则表达式-进行文字匹配
import urllib.request,urllib.error #制定URL-获取网页数据
import xlwt #进行excel操作
import sqlite3 #进行SQL数据库操作
def main():
baseurl = "http://acm.zzuli.edu.cn/problemset.php?page="
#1.爬取网页
datalist = getData(baseurl)
savepath = ""
#2.解析数据
#3.保存数据
saveData=".\\zzulioj题库.xls"
askURL("http://acm.zzuli.edu.cn/problemset.php?page=")
#爬取网页
def getData(baseurl):
datalist=[]
for i in range(1,10):
url=baseurl+str(i*25) #调用获取页面信息10次
html = askURL(url) #保存获取到的网页源码
#逐一解析数据
return datalist
#得到一个指定url的网页内容
def saveData(savepath):
print("")
def askURL(url):
head={
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36 Edg/87.0.664.75"
}
#用户代理,告诉服务器,我们是什么类型的机器,(本质上是告知服务器我们能接受什么水平的信息)
request = urllib.request.Request(url,headers=head)
html = ""
try:
response =urllib.request.urlopen(request)
html = response.read().decode("utf-8")
print(html)
except urllib.error.URLError as e:
if hasattr(e,"code"):
print(e.code)
elif hasattr(e,"reason"):
print(e.reason)
return html
if __name__ =="__main__":
main()
用爬虫爬取zzulioj网站,菜鸟入营
最新推荐文章于 2022-07-30 23:34:34 发布