python 提取网页正文_用Python写个爬虫小程序，给女朋友每日定时推送睡前小故事...-CSDN博客

↑ 关注 + 星标，每天学Python新技能后台回复【大礼包】送你Python自学大礼

导读：这篇文章利用简单的Python爬虫、邮件发送以及定时任务实现了每天定时发送睡前小故事的功能，是一篇步骤详尽的文章。

最近，某可爱要求我忙完之后给她每晚睡前讲讲小故事，我想了下，网络上应该有各种资源，小故事也都能搜得到，但是数量比较少，而且格式不够统一，提取比较困难。转念一想，面向儿童的睡前故事可能也比较适用，于是我准备从儿童睡前故事中取材，搜索之后发现有一个适合提取睡前故事的网址：

tom61.com/ertongwenxue/

一共有700则小故事，嗯，一天一则数量可以满足，html格式也比较统一，就决定是它了！

查看网页源代码，ctrl+F输入查询关键字幸福王国，定位到相关信息：

发现其故事链接包含在dl标签中的a标签中的href属性，

/ertongwenxue/shuiqiangushi/2018-02-25/106432.html

点击后得到完整网址

tom61.com/ertongwenxue/

接下来要做的就是提取出该链接：

1. 模拟浏览器访问网页，利用requests库请求访问

代码实现：

def getHTMLText(url,headers):
   try:
       r=requests.get(url,headers=headers,timeout=30)
       r.raise_for_status()
       r.encoding=r.apparent_encoding
       return r.text

   except:
       return "爬取失败"

2. 简单地使用BeautifulSoup库，解析html页面

找到dl标签的内容后在查找a标签中的内容，将提取的链接与原网页头进行拼接：

def parsehtml(namelist,urllist,html):
   url='http://www.tom61.com/'
   soup=BeautifulSoup(html,'html.parser')
   t=soup.find('dl',attrs={'class':'txt_box'})
   i=t.find_all('a')
   for link in i:
       urllist.append(url+link.get('href'))
       namelist.append(link.get('title'))

3. 得到所有网页链接地址之后，访问该网页

查看网页源代码：

4. 重新对该网页进行页面解析，提取出所有p标签中的内容

由于下面需要使用str类型的字符串，因此用.join方法将text列表用换行符进行分割。

def parsehtml2(html):
   text=[]
   soup=BeautifulSoup(html,'html.parser')
   t=soup.find('div',class_='t_news_txt')
   for i in t.findAll('p'):
       text.append(i.text)
   #print(text)
   return "\n".join(text)

5. 将爬取的小故事发送到邮箱

def sendemail(url,headers):

   msg_from=''                                 #发送方邮箱
   passwd=''                                   #填入发送方邮箱的授权码
   receivers=[',']                             #收件人邮箱

   subject='今日份的睡前小故事'                                     #主题
   html=getHTMLText(url,headers)
   content=parsehtml2(html)                                        #正文
   msg = MIMEText(content)
   msg['Subject'] = subject
   msg['From'] = msg_from
   msg['To'] = ','.join(receivers)
   try:
       s=smtplib.SMTP_SSL("smtp.qq.com",465)                   #邮件服务器及端口号
       s.login(msg_from, passwd)
       s.sendmail(msg_from, msg['To'].split(','), msg.as_string())
       print("发送成功")
   except:
       print("发送失败")
   finally:
       s.quit()