Python爬取美剧《纸牌屋》字幕（可可英语）---BeautifulSoup版

爬虫还是不会写，所以借鉴一个，仔细分析分析:https://blog.csdn.net/only_anan/article/details/80082316

1,导入爬取要用到的库,主要是是BeautifulSoup库很有用

import re
import urllib.request
from bs4 import BeautifulSoup

2,利用BeautifulSoup库获取网址

用到的基本知识:

1,方法选择器:find_all()


#功能:得到符合条件的所有元素
API如下:
find_all(name,attrs,recursive,text,**kwargs)
(1),name
根据节点名来查询元素,
例:find_all(name='ul')#查询所有的ul节点
(2),attrs
根据插入的属性查询
例:find_all(attrs={'name':'elements'})#查询节点名为name，其属性为elements的所有元素
find_all(attrs={'id':'list-1'})#查询节点名为id，其属性为list-1的所有元素
(3),text
text参数可用来匹配节点的文本,传入的形式:字符串||正则表达式对象
格式:find_all(text=re.compile('link'))||find_all(text='string')结果 返回所有匹配正则表达式的结点文本组成的列表例:<ul>string_string</ul>
string_string  即为节点的文本

2,get()方法

获取某个属性的值:
1,如果我们想要单独获取某个属性，可以这样，例如我们获取它的 class 叫什么
print soup.p['class']
#['title']
2,利用get方法，传入属性的名称，
print soup.p.get('class')
#['title']补充:1,属性的内容可以更改.
soup.p['class']="newClass"
print soup.p
#<p class="newClass" name="dromouse"><b>The Dormouse's story</b></p>
2,可以将属性删除
del soup.p['class']
print soup.p
#<p name="dromouse"><b>The Dormouse's story</b></p>

3,获取网址：

<ul id="menu-list">#顾名思义，菜单列表，本页面所有的美剧纸牌屋第四季链接都是其子节点

<li> 相当于 "每一个美剧纸牌屋第四季"

<h2> 相当于 "标题"

最后正则表达式提取

'''获取网址'''
def get_url(url):Url = []#url = 'http://www.kekenet.com/video/16692/'f = urllib.request.urlopen(url)html = f.read()soup = BeautifulSoup(html,'html.parser')content = soup.find_all('ul',id='menu-list')for tag in content:li = tag.find_all('li')        #类型<class 'bs4.element.ResultSet'>#print(type(li))for tag2 in li:h = tag2.find_all('h2')for tag3 in h:h1 = tag3.find_all('a',text=re.compile(r'MP3+'))   # re.compile() 正则表达匹配，匹配内容不能为中文for tag4 in h1:t = tag4.get_text()             #获取内容get_url = tag4.get('href')      #获取URLUrl.append(str(get_url))Url = reversed(Url)   #将列表中的所有元素进行倒序排列return (list(Url))    #必须添加list,将其转换为list#print(list(Url))

4,获取网页内容:

'''获取网页中的内容'''
url1 = []
base_url = 'http://www.kekenet.com/video/15830/List_'
for i in range(18):full_url = base_url + str(i+1) +'.shtml'url1.append(full_url)
url1.append('http://www.kekenet.com/video/15830/')# print(url1)
# print(len(url1))

这个网址如何得到?

http://www.kekenet.com/video/15830/List_

很简单:因为字幕存储在这个网页之下（可以点开看一下,直接跳转）

5,保存文本

要爬取字幕首先要找到字幕

n = 0
for i in range (len(url1)):url = url1[i]Get_Url = get_url(url)for i in range(len(Get_Url)):f = urllib.request.urlopen(Get_Url[i])html = f.read()soup = BeautifulSoup(html,'html.parser')   #解析抓取到到htmltitle = soup.title.get_text()              #获取html的titleen_contents = soup.find_all('div',class_='qh_en')zg_contents = soup.find_all('div',class_='qh_zg')file = 'M_S6.txt'with open(file,'a') as f:     #追加的方式写入文件f.write(title)n = n+1for content in zip(en_contents,zg_contents):    #同时输出两个列表中的元素，先将其转化为元组f.write(content[0].get_text())               #输出元组中的第一个元素，即第一个列表中的第一个元素f.write(content[1].get_text())            #输出元组中的第2个元素，即第2个列表中的第1个元素f.write('\n')                                 #换行#breakprint(n)

Python爬取美剧《纸牌屋》字幕（可可英语）---BeautifulSoup版相关推荐

通过爬取美剧天堂详细介绍Scrapy 框架入门
通过爬取美剧天堂并详细介绍Scrapy 框架前言(了解) 全文写了很多注释在标题处,时间充裕的可以详细看,需要找主要知识点的我已经标注明白了,直接翻到具体位置就行. Scrapy是用纯Python实 ...
SpringBoot集成jsoup多线程爬取美剧天堂全部电影资源
SpringBoot集成jsoup爬取美剧天堂全部美剧资源准备工作这次我的目的是获取这个网站的所有美剧的信息和迅雷的BT地址,我们需要获取的信息都在上万个类似于下面个页面结构的页面上确定了目标, ...
Python爬虫爬取美剧网站
一直有爱看美剧的习惯,一方面锻炼一下英语听力,一方面打发一下时间.之前是能在视频网站上面在线看的,可是自从广电总局的限制令之后,进口的美剧英剧等貌似就不在像以前一样同步更新了. 但是,作为一个宅dia ...
Python爬虫带你爬取美剧网站
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理以下文章来源于腾讯云,作者:哲洛不闹一直有爱看美剧的习惯,一方面锻炼一下英语听力 ...
python爬虫实战：爬取美剧网站
一直有爱看美剧的习惯,一方面锻炼一下英语听力,一方面打发一下时间.之前是能在视频网站上面在线看的,可是自从广电总局的限制令之后,进口的美剧英剧等貌似就不在像以前一样同步更新了.但是,作为一个宅diao ...
Python爬取不羞涩网小姐姐图片——BeautifulSoup应用
引言今年提倡原地过年,相信很多朋友都没有回家过年,像我就被迫留在深圳过年了,无聊之余只能去看看电影爬爬山.今天给大家带来一个打发无聊时光的案例,用Python爬取不羞涩网小姐姐图片,并保存到本地,老 ...
从零开始，手把手教你python爬取美足船袜网！
目标网址:http://mzsock.com 美足船袜网你懂得!! 这里先给大家介绍一个python自带的库 :urllib.request urllib.request --- 用于打开 URL ...
Scrapy入门实例_爬取美剧天堂的最新前100
使用工具:Python3.6版本 Python官网:https://www.python.org/ 目录 Scrapy的安装 Scrapy爬取数据步骤一.创建工程: 二.创建爬虫程序三.编辑爬虫 ...
python3 --小爬虫（爬取美剧字幕）
# !bin/usr/env python3 # coding=utf-8 import re import urllib.request from bs4 import BeautifulSoup' ...

Python爬取美剧《纸牌屋》字幕（可可英语）---BeautifulSoup版

1,导入爬取要用到的库,主要是是BeautifulSoup库很有用

2,利用BeautifulSoup库获取网址

3,获取网址：

4,获取网页内容:

5,保存文本

Python爬取美剧《纸牌屋》字幕（可可英语）---BeautifulSoup版相关推荐

最新文章

热门文章

Python爬取 美剧《纸牌屋》字幕（可可英语）---BeautifulSoup版

1,导入爬取要用到的库,主要是是BeautifulSoup库很有用

2,利用BeautifulSoup库获取网址

3,获取网址：

4,获取网页内容:

5,保存文本

Python爬取 美剧《纸牌屋》字幕（可可英语）---BeautifulSoup版相关推荐

最新文章

热门文章

Python爬取美剧《纸牌屋》字幕（可可英语）---BeautifulSoup版

Python爬取美剧《纸牌屋》字幕（可可英语）---BeautifulSoup版相关推荐