前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >CSDN个人目录制作

CSDN个人目录制作

作者头像
周小董
发布2019-03-25 14:32:30
4500
发布2019-03-25 14:32:30
举报
#-*- coding:utf-8 -*-

import urllib.request
from lxml import etree

class CrawlJs():
    #定义函数,爬取对应的数据
    def getArticle(self,url):
        print ('█████████████◣开始爬取数据')
        my_headers = {
            'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36',
        }
        request = urllib.request.Request(url,headers=my_headers)
        content = urllib.request.urlopen(request).read()
        return content

    #定义函数,筛选和保存爬取到的数据
    def save(self,content):
        xml = etree.HTML(content)
        title = xml.xpath('//div[@class="article-list"]/div/h4/a/text()[2]')
        link = xml.xpath('//div[@class="article-list"]/div/h4/a/@href')
        if title==None:
            return 
        # print(map(lambda x,y:[x,y], title,link))
        for t,li in zip(title,link):
            print(t+li)
            with open('csdn.txt','a+') as f:
                f.write(t.strip()+'  '+li+ '\n')
        print('█████████████◣爬取完成!')

#定义主程序接口
if __name__ == '__main__':
    page = int(input('请输入你要抓取的页码总数:'))
    for num in range(page):
        #这里输入个人主页,
        url = 'https://blog.csdn.net/xc_zhou/article/list/%s'%(num+1)
        js = CrawlJs()
        content = js.getArticle(url)
        js.save(content)
效果图
效果图
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018年07月12日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档