python扇贝单词书,成功使用Python爬虫扇贝单词库实现自动测试我们的单词量

import time

import requests

import re

from openpyxl import workbook#导入我们要用到的库

from bs4 import BeautifulSoup as bs

class TestYourWord:

#这个功能复制下来，并且做点改良，搞一个网页版没有的功能 ———— 自动生成错词本

def __init__(self):

self.start_url = 'https://www.shanbay.com/bdc/client/vocabtest/welcome'

#请求头，浏览器模拟

#设置这一步的目的是为了伪装我们的爬虫，防止被识别出来

#由requests自动生成的headers，可被服务器轻易识别为爬虫，所以我们要进行伪装

self.headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',

}

self.which_test = int(input('请输入你想要选择的题库：(数字1-10)'))

def getHtml(self):

gu = self.start_url #url生成器

html = requests.get(gu,headers=self.headers)

soup = bs(html.text,'html.parser')

items=soup.find('div',class_='type-content').find(a)

for item in items:

print(item)

return html

def getData(self):

res = self.getHtml()

data=res.json

print(data)

if __name__ == '__main__':

start = time.time()

test = TestYourWord()

test.getData()

问题出现在我们是一个动态网页，应该在XHR里面找内容，

把链接改成上图所示的链接则可以成功提取数据了。

打印Json文件可以得到如下内容

请输入你选择的词库编号，按Enter确认

1，GMAT 2，考研 3，高考 4，四级 5，六级

6，英专 7，托福 8，GRE 9，雅思 10，任意

>1

[['GMAT', 'GMAT'], ['NGEE', '考研'], ['NCEE', '高考'], ['CET4', '四级'], ['CET6', '六级'], ['TEM', '英专'], ['TOEFL', '托福'], ['GRE', 'GRE'], ['IELTS', '雅思'], ['NONE', '任意']]

我们定位到相应的词库可以得到相应的新json文件

标签：__,GRE,Python,自动测试,单词,headers,html,import,self

来源： https://blog.csdn.net/weixin_44991673/article/details/112064367