代码收藏家技术教程 2024-08-26

Python爬虫技巧：如何轻松下载人生格言

Python爬虫:下载人生格言

爬取网页

将这些格言下载存储到本地

代码:

import requests #导入requests库，用于提取网页
from lxml import etree#导入lxml库，用于Xpath数据解析

#请求头
header={
'user-agent':
'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/127.0.0.0 Safari/537.36 Edg/127.0.0.0'
}#每个浏览器的user-agent不一样，在浏览器中查找

url="http://m.3chongmen.com/renshenggeyan/162.html"#请求网址
res1=requests.get(url=url,headers=header).text
html=etree.HTML(res1)
title=html.xpath('//div[@class="title"]/h1/text()')[0]#数据解析，提取标题
content=html.xpath('//div[@class="content"]/text()')#数据解析，提取内容
content="".join(content)
print(title)
print(content)

运行结果:

分析:

导入requests库
requests库是第三方库，要提前安装

输入指令进行安装

pip install requests

*导入lxml库
输入指令

pip install lxml

headers
最简单的只用加上user-agent就可以了

鼠标右键，选择”检查“，点击”网络“，ctrl+R刷新页面，点击第一份文件，点击”标头“，滑到最下方查找”User-Agent“,复制到pycharm中即可

数据解析Xpath

用requets获取的源代码如图，想要的信息就在这里面，我们需要提取出来，因此就要用到Xpath进行解析，要先学习一下Xpath语法和lxml库的使用，可以在网上查找相关资料

拓展

将目录下的所有人生格言提取并保存在本地

代码

import requests
from lxml import etree

header={
'user-agent':
'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/127.0.0.0 Safari/537.36 Edg/127.0.0.0'
}

def spider(url):
    res1=requests.get(url=url,headers=header).text
    html=etree.HTML(res1)
    content=html.xpath('//div[@class="content"]/text()')
    content="".join(content)
    title=html.xpath('//div[@class="title"]/h1/text()')[0]
    return title,content

url1="http://m.3chongmen.com/renshenggeyan"
res=requests.get(url=url1,headers=header).text
html=etree.HTML(res)
links=html.xpath('//ul[@class="list_cnt"]//a[@target="_blank"]/@href')

for link in links:
    title,content=spider(link)
    with open(f'格言/{title}.txt','w',encoding='utf-8') as f:
        f.write(title+'\n\n')
        f.write(content)