【python】python抓取古诗文内容保存（源码）【独一无二】

---

👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。

---

【python】python抓取古诗文内容保存（源码）【独一无二】

---

---

一、设计目的

使用Python语言，抓取古诗文网 古诗内容：

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 古诗文 ” 获取。👈👈👈

抓取内容如下：

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 古诗文 ” 获取。👈👈👈

---

二、代码分析

爬取古诗文网站上许渊冲的诗文，并将其标题、作者、地点和内容写入到一个名为 “poem20.txt” 的文本文件中。具体分析如下：

1. 引入所需的模块：

   • requests：用于发送 HTTP 请求。

   • etree：lxml 库的一部分，用于解析 HTML 文档。

     # 请求头如下
     header = {
     	"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36" 
     }
     

2. 循环爬取数据：

   • 使用 for 循环迭代 1 到 5，以获取多个页面的数据。
   • 构建每个页面的 URL，其中作者参数是许渊冲。
   • 使用 requests.get() 方法发送 GET 请求，获取页面的 HTML 内容。

3. 解析 HTML 内容：

   • 使用 etree.HTML() 方法将 HTML 内容解析为 Element 对象。

     👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 古诗文 ” 获取。👈👈👈

4. 提取诗文信息：

   • 使用 XPath 表达式从页面中提取标题、作者、地点和内容。
   • 通过循环，逐个提取每篇诗文的信息。

5. 写入文本文件：

   • 将提取的标题、作者、地点和内容写入到名为 “poem20.txt” 的文本文件中。

   • 使用 with open() 语句打开文件，以追加模式（‘a+’）写入内容。

   • 将标题、作者和地点写入一行，将内容写入下一行，以便在文件中呈现清晰。

     with open('poem20.txt', 'a+', encoding='utf-8') as f:
       f.write(title + '\n')
       f.write(author + palce)
       f.write(text)
       f.write('\n')
     

6. 异常处理：

   • 在各个可能出现异常的代码块中添加了 try-except 语句，以处理可能的异常情况。

爬取结果如下：

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 古诗文 ” 获取。👈👈👈