python爬虫获取数据

大家好,今天利用python和pycharm进行数据的爬取,废话不多说,代码实现如下:
import urllib.request as request
import easygui
import bs4
import csv
import os

def is_connect():
import requests
try:
requests.get(“https://www.baidu.com”)
return True
except:
return False

if is_connect():
here = os.getcwd()

while True:
    link = easygui.enterbox("G:", "爬虫新闻", here)
    try:
        open(link + r"\新闻信息.csv", "w")
        break
    except:
        easygui.msgbox("路径错误或文件已打开")

url = "http://news.sohu.com/"
req = request.Request(url, headers={
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.80 Safari/537.36 Edg/86.0.622.43"})
response = request.urlopen(req).read().decode("utf-8")

soup = bs4.BeautifulSoup(response, "html.parser")
news = soup.findAll("a")
news2 = soup.findAll("b")
passed_news = []

with open(link + r"\新闻信息.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    for i in news2:
        print(i.string)
        writer.writerow([i.string])

    for new in news:
        if not "None" in str(new.string) and len(str(new.string).replace(" ", "").replace("\n", "")) > 6:
            passed_news.append(str(new.string).replace(" ", "").replace("\n", ""))

    for new in passed_news[:-4][1:]:
        print(new)
        writer.writerow([new])
    f.close()
    a = input("数据爬取完毕!")

else:
easygui.msgbox(“网络未连接”)
input(“按回车键退出”)

运行过后,选择文档存放地址:
在这里插入图片描述
点击OK,进行数据的爬取,然后进入我们选择文档存放的地址查看数据在这里插入图片描述

自此完成

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

晒黑的老黑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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