爬取网页内容实例2

简介

本实例爬取了该网站有关python3的所有教程,并将其结果保存在contents.txt文件中。

代码:

import requests #导入网页请求库
from bs4 import BeautifulSoup #导入网页解析库
import parser
def start_requests(url):
    headers = {
        'User - Agent': 'Mozilla / 5.0(Windows NT 6.1;WOW64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 63.0.3239.132 Safari / 537.36'
    }
    response = requests.get(url, headers=headers)
    return response.content.decode()
if __name__ == '__main__':
    f = open('content.txt', 'a+', encoding="utf-8")  # 以追加形式打开文件
    #f.truncate(0)  # 清空原文件中的内容
    url='https://www.runoob.com/python3/python3-tutorial.html'
    html=start_requests(url)
    soup = BeautifulSoup(html,"html.parser")
    htmls=soup.find_all('a',target="_top")#获取所有网址
    for html in htmls:
        # 拼接网址,因为获取的html规则不一致,依据情况进行网址拼接,对获得的网址进行访问、下载网站内P标签内的内容并保存。
       if html['href'][0]=='/':
           url='https://www.runoob.com'+html['href']#拼接网址
           html = start_requests(url)
           soup = BeautifulSoup(html, "html.parser")
           title= soup.find('title')  # 获取所有网址
           #print(url,title.string.strip())
           texts = soup.find_all('p')  # 获取所有网址
           for text in texts:
               f.write(text.get_text())
       else:
           url = 'https://www.runoob.com/python3/' + html['href']
           html = start_requests(url)
           soup = BeautifulSoup(html, "html.parser")
           title= soup.find('title')  # 获取所有网址
           #print(url,title.string.strip())
           texts = soup.find_all('p')  # 获取所有网址
           for text in texts:
               f.write(text.get_text())
    f.close()








  • 0
    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