python名言_python爬虫——爬取古诗名句

本文介绍了如何使用Python爬虫从古诗词网站循环抓取并存储古诗名句到本地数据库,包括页面分析、脚本源码及执行结果。通过firedebug定位页面元素,并利用lxml库解析HTML,最终将内容和来源存储到数据库。
摘要由CSDN通过智能技术生成

一. 概要

1.通过python爬虫循环爬取古诗词网站古诗名句

2.落地到本地数据库

二. 页面分析

首先通过firedebug进行页面定位:

其次源码定位:

最终生成lxml etree定位div标签源码:

response = etree.HTML(data)

for row in response.xpath('//div[@class="left"]/div[@class="sons"]/div[@class="cont"]'):

content = row.xpath('a/text()')[0]

origin = row.xpath('a/text()')[-1]

self.db.add_new_row('mingJuSpider', {'content': content, 'origin': origin, 'createTime': str(date.today())})

三. 执行结果

四. 脚本源码

#!/usr/bin/env python

# -*- coding: utf-8 -*-

'''

@Date : 2017/12/21 12:35

@Author : kaiqing.huang

@File : mingJuSpider.py

'''

from utils import MySpider, MongoBase

from datetime import date

from lxml import etree

import sys

class mingJuSpider():

def __init__(self):

self.db = MongoBase()

self.spider = MySpider()

def download(self):

for pageId in range(1,117):

url = 'http://so.gushiwen.org/mingju/Default.aspx?p={}&c=&t='.format(pageId)

print url

data = self.spider.get(url)

if data:

self.parse(data)

def parse(self, data):

response = etree.HTML(data)

for row in response.xpath('//div[@class="left"]/div[@class="sons"]/div[@class="cont"]'):

content = row.xpath('a/text()')[0]

origin = row.xpath('a/text()')[-1]

self.db.add_new_row('mingJuSpider', {'content': content, 'origin': origin, 'createTime': str(date.today())})

if __name__ == '__main__':

sys.setrecursionlimit(100000)

do = mingJuSpider()

do.download()

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