城市分际际爬虫

在import requests,time
from bs4 import BeautifulSoup
file = open('go007.txt','w',encoding='utf-8')

header = {
        'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
        'Accept-Encoding':'gzip,deflate',
        'Accept-Language':'zh-TW,zh;q=0.9,en-US;q=0.8,en;q=0.7,zh-CN;q=0.6',
        'Connection':'keep-alive',
        'Host':'www.go007.com',
        'Referer':'http://www.go007.com/ditu/peixunjigou_shijiazhuang_wudaopeixun/',
        'Upgrade-Insecure-Requests':'1',
        'User-Agent':'Mozilla/5.0(WindowsNT6.1;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/72.0.3626.109Safari/537.36'
        }

def go007(url):
    for num in range(1,30):
        url_get = url + str(num)

        try:

            res = requests.get(url=url_get,headers=header)

            soup = BeautifulSoup(res.text,'lxml')
            tags = soup.find('ul',attrs={"class":"school-col-box"})

            names1 = tags.find_all(['h3','span'])  #h3有机构名 span同时取地址 不知如何只取电话 只好同时取再清洗
            #names2 = tags.find_all('span')

            for i in names1:
                temp = i.text
                print(temp)
                file.write(temp +'\n')
                file.flush()

        except:
            pass
        time.sleep(10)

if __name__ == '__main__':

    url1 = 'http://www.go007.com/ditu/peixunjigou_tangshan_yishupeixun/p' #艺术培训网址
    url2 = 'http://www.go007.com/tangshan/wudaopeixun/p' #舞蹈培训网址
    go007(url1)
    go007(url2)
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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