1200字范文,内容丰富有趣,写作的好帮手!
1200字范文 > python输出古诗词_python爬虫——爬取古诗名句

python输出古诗词_python爬虫——爬取古诗名句

时间:2024-01-21 16:08:12

相关推荐

python输出古诗词_python爬虫——爬取古诗名句

一. 概要

1.通过python爬虫循环爬取古诗词网站古诗名句

2.落地到本地数据库

二. 页面分析

首先通过firedebug进行页面定位:

其次源码定位:

最终生成lxml etree定位div标签源码:

response = etree.HTML(data)

for row in response.xpath('//div[@class="left"]/div[@class="sons"]/div[@class="cont"]'):

content = row.xpath('a/text()')[0]

origin = row.xpath('a/text()')[-1]

self.db.add_new_row('mingJuSpider', {'content': content, 'origin': origin, 'createTime': str(date.today())})

三. 执行结果

四. 脚本源码

#!/usr/bin/env python

# -*- coding: utf-8 -*-

'''

@Date : /12/21 12:35

@Author : kaiqing.huang

@File : mingJuSpider.py

'''

from utils import MySpider, MongoBase

from datetime import date

from lxml import etree

import sys

class mingJuSpider():

def __init__(self):

self.db = MongoBase()

self.spider = MySpider()

def download(self):

for pageId in range(1,117):

url = '/mingju/Default.aspx?p={}&c=&t='.format(pageId)

print url

data = self.spider.get(url)

if data:

self.parse(data)

def parse(self, data):

response = etree.HTML(data)

for row in response.xpath('//div[@class="left"]/div[@class="sons"]/div[@class="cont"]'):

content = row.xpath('a/text()')[0]

origin = row.xpath('a/text()')[-1]

self.db.add_new_row('mingJuSpider', {'content': content, 'origin': origin, 'createTime': str(date.today())})

if __name__ == '__main__':

sys.setrecursionlimit(100000)

do = mingJuSpider()

do.download()

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。