python安装及简单爬虫(爬取导师信息)
2024-09-08 05:43:27
1.下载:
解释器(我下的是3.8.2版本):https://www.python.org/downloads/
pycharm(我下的是2019.3.3版本):https://www.jetbrains.com/pycharm/download/download-thanks.html?platform=windows
注意:python安装时要勾选
检查python是否安装好可以在cmd命令中输入python,出现下图即可
pycharm安装时这四个全选上(只有30天试用期)
JB全家桶永久激活:https://www.exception.site/essay/how-to-free-use-intellij-idea-2019-3
2.爬取网页信息(以浙工大为例)http://www.cs.zjut.edu.cn/jsp/inslabsread.jsp?id=35
# -*- codeing = utf-8 -*-
#@Time : 2022/2/20 16:44
#@Auther : 叶丹薇
#@File : spider.py
#@Software: PyCharm
from bs4 import BeautifulSoup #网页解析
import re #正则
import urllib.request,urllib.error #制定url 获取网页数据
import sqlite3 #数据库
import xlwt #excel
def main():
baseurl="http://www.cs.zjut.edu.cn/jsp/inslabsread.jsp?id="
#1.爬取网页
datalist=getData(baseurl)
savepath="导师.xls"
#3保存
saveData(datalist,savepath) findname=re.compile(r'<li><a.*?>(.*?)</a><br/>')#<a href=
finddire=re.compile(r'研究方向:(.*?)</a>')#<a href="#">空间信息计算研究所</a>
findcoll=re.compile(r'<li><a href="#">(.*?)</a>')
#1.爬取网页
def getData(baseurl):
datalist=[]
for j in range(35,50):
url=baseurl+str(j)
html=askURL(url)
if(html==''):continue
#2.逐一解析数据
soup=BeautifulSoup(html,"html.parser")
item0=soup.find_all('div',id="boxtitle3")
item0=str(item0)
colle = re.findall(findcoll,item0)[1]
for item in soup.find_all('div',style="width:100%; float:left"):#查找符合要求的字符串
item=str(item)
teacher=re.findall(findname,item)
director = re.findall(finddire, item)
for i in range(len(teacher)):
data = []
data.append(teacher[i])
data.append(colle)
data.append(director[i])
datalist.append(data)
# print(data)
# print(datalist)
return datalist #得到指定URL的网页内容
def askURL(url):
#模拟浏览器头部,进行伪装
head={"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36"}
request=urllib.request.Request(url,headers=head)#请求
html=""
try:
response=urllib.request.urlopen(request)#响应
html=response.read().decode("utf-8")
# print(html)
except urllib.error.URLError as e:
#print("这页没有内容")
html=''
return html
#保存数据
def saveData(datalist,savepath):
book=xlwt.Workbook(encoding="utf-8")#创建word对象
sheet=book.add_sheet('老师',cell_overwrite_ok=True)#创建sheet表
col=("姓名","研究所","研究方向")
for i in range(0,3):
sheet.write(0,i,col[i])
for i in range(0,len(datalist)):
#print("第%d条"%(i+1))
data=datalist[i]
for j in range(0,3):
sheet.write(i+1,j,data[j])
book.save(savepath)
if __name__=="__main__":
main()
最新文章
- C#排序算法小结
- Redis安装手册
- 新技能,利用Reflector来修改dll引用
- 【网络】TCP三次握手
- head first c&;lt;11&;gt;初探网络编程上
- 解决 phpMyAdmin 尝试连接到 MySQL 服务器,但服务器拒绝连接 问题
- [Angular 2] Inject Service
- SE 2014年4月29日
- 《Linux/UNIX系统编程手册》第63章 IO多路复用、信号驱动IO以及epoll
- JAVA调用外部安装7-Zip压缩和解压zip文件
- (转)CSS3:nth-child()伪类选择器,奇偶数行自定义样式first-child
- ssh问题:ssh_exchange_identification: Connection closed by remote host
- VIM 正则表达式详解及与 perl 正则的区别
- python之threading.local
- 前端 crypto-js aes 加解密
- Maven环境的搭建
- 0072 Java中的泛型--泛型是什么--泛型类--泛型方法--擦除--桥方法
- python全栈开发_day3_数据类型,输入输出及运算符
- HDU 4313树形DP
- 剑指offer:正则表达式匹配
热门文章
- Jenkins搭建与数据迁移实践
- JAVA虚拟机15---虚拟机的类加载机制
- 高效、优雅的对象copy之MapStruct入门到精通,实战踩坑版
- Ubuntu20.04桌面系统快速上手教程
- MySQL索引的基本理解
- 免杀之:C# XOR Shellcode
- trollcave-v1-2
- Android:LitePal 在第一次创建表之后第二次创建新的表不生效
- K8S 1.20 弃用 Docker 评估之 Docker CLI 的替代产品 nerdctl
- RuntimeError: CUDA error: device-side assert triggered