Python request+BeautifulSoup爬取云南省统计局xls文件

之前写了一个,但是效率较低,为了温习及加强爬虫基础,又重写了一遍,同时换成lxml解析器。另外,学习了PEP8,发现跟之前自己习惯居然差不多,偷笑~~~

 

import requests
import re
from bs4 import BeautifulSoup


def get_text(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.62 Safari/537.36'}
    try:
        r = requests.get(url, headers=headers)
        r.raise_for_status()
        r.encoding = 'utf-8'
        return r.text
    except BaseException:
        return ''


def url_list(html):
    soup = BeautifulSoup(html, 'html.parser')
    q = r'/\d{6}/t\d{8}_\d{6}.html'
    urls = re.findall(q, str(soup))
    url_ls = ['http://www.stats.yn.gov.cn/tjsj/jdsj' + url for url in urls]
    return url_ls


def get_excel(url):
    try:
        r = get_text(url)
        so
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