python+xpath+requests爬取维基百科历史上的今天

import requests
import urllib.parse
import datetime
from lxml import etree

fhout = open("result.txt", 'a')

baseurl = 'https://zh.wikipedia.org/wiki/'

begin_date = datetime.datetime.strptime('2016-01-01', "%Y-%m-%d")
contents=[]
for i in range(196,366):
    content = []
    mid_date = begin_date + datetime.timedelta(days=i)
    thedate = str(mid_date.month) + '' + str(mid_date.day) + ''
    print(thedate)
    urlthedate = urllib.parse.quote(thedate)
    url = baseurl + urlthedate
    print(url)
    html = requests.get(url).text.encode("utf-8")

    tree = etree.HTML(html)
    ul = tree.xpath('//li[@class="toclevel-1 tocsection-1"]/ul/li/a/span[@class="toctext"]/text()')
    num = len(ul)
    fhout.write("data_"+str(mid_date.month)+"_"+str(mid_date.day)+"=[")
    for i in range(num, 0, -1):
        records = tree.xpath('//div[@id="mw-content-text"]/div[@class="mw-parser-output"]/ul['+ str(i) +']/li[descendant-or-self::text()]')
        ulen = len(records)
        for j in range(ulen-1,-1,-1):
            content.append(records[j].xpath('string(.)'))
            fhout.write("'"+records[j].xpath('string(.)')+"'\n")
    fhout.write("]\n")
    print(content)
    contents.append(content)

fhout.close()

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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