相思资源网 Design By www.200059.com
本文实例讲述了Python爬虫实现使用beautifulSoup4爬取名言网功能。分享给大家供大家参考,具体如下:
爬取名言网top10标签对应的名言,并存储到mysql中,字段(名言,作者,标签)
#! /usr/bin/python3 # -*- coding:utf-8 -*- from urllib.request import urlopen as open from bs4 import BeautifulSoup import re import pymysql def find_top_ten(url): response = open(url) bs = BeautifulSoup(response,'html.parser') tags = bs.select('span.tag-item a') top_ten_href = [tag.get('href') for tag in tags] top_ten_tag = [tag.text for tag in tags] # print(top_ten_href) # print(top_ten_tag) return top_ten_href def insert_into_mysql(records): con = pymysql.connect(host='localhost',user='root',password='root',database='quotes',charset='utf8',port=3306) cursor = con.cursor() sql = "insert into quotes(content,author,tags) values(%s,%s,%s)" for record in records: cursor.execute(sql, record) con.commit() cursor.close() con.close() # http://quotes.toscrape.com/tag/love/ #要获取对应标签中所有的名言 所以这里要考虑分页的情况 #经过在网页上查看知道分页查询的url #http://quotes.toscrape.com/tag/love/page/1/ #判断到那一页没有数据 div.container div.row [1] def find_link_content(link): page = 1 while True: new_link = "http://quotes.toscrape.com" + link + "page/" # print(new_link) new_link = new_link + str(page) print(new_link) sub_bs = open(new_link) sub_bs = BeautifulSoup(sub_bs,'html.parser') quotes = sub_bs.select('div.row div.col-md-8 span.text') # 如果没有数据就退出 if len(quotes) == 0: break #名言 quotes = [quote.text.strip('“”') for quote in quotes] #作者 authors = sub_bs.select('small.author') authors = [author.text for author in authors] # 标签 tags_list = sub_bs.select('meta.keywords') tags_list = [tags.get('content') for tags in tags_list] # print(authors) # print(quotes) #print(tags_list) record_list = [] for i in range(len(quotes)): tags = tags_list[i] tags = tags.replace(',',',') print(tags) record = [quotes[i],authors[i],tags] record_list.append(record) insert_into_mysql(record_list) page += 1 # def main(): url = "http://quotes.toscrape.com/" parent_link = find_top_ten(url) for link in parent_link: print(link) find_link_content(link) if __name__ == '__main__': main()
更多关于Python相关内容可查看本站专题:《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
相思资源网 Design By www.200059.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
相思资源网 Design By www.200059.com
暂无Python爬虫实现使用beautifulSoup4爬取名言网功能案例的评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。