使用正则表达式爬取古诗文网唐诗300首

最新推荐文章于 2024-08-18 14:00:19 发布

「已注销」

最新推荐文章于 2024-08-18 14:00:19 发布

阅读量3.6k

点赞数 4

本文链接：https://blog.csdn.net/topleeyap/article/details/79118009

版权

本文通过正则表达式爬取了古诗文网上的唐诗300首，详细阐述了爬取思路，包括首先获取所有唐诗详情页的链接，然后逐页提取每首诗的标题、作者、朝代及内容。同时提供了源代码以展示具体实现过程，并给出了运行结果。

摘要由CSDN通过智能技术生成

思路

先从唐诗300首页面获取所有唐诗详情页的链接;
再从每一首唐诗的详情页提取标题、作者、朝代、内容等信息。

源码

# !/usr/bin/env python
# -*- coding:utf-8 -*-

import re
import requests


def crawl(start_url):
    base_url='http://so.gushiwen.org'

    req_headers={
        'User-Agent':'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
    }

    res=requests.get(start_url,headers=req_headers)