python输出古诗词_python爬取古诗文网
解析:正则表达式
代码
import requests
import re
def parse_page(url):
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36',
}
response = requests.get(url,headers)
text = response.text
titles = re.findall(r'
dynasties = re.findall(r'
.*?(.*?)',text,re.DOTALL)
authors = re.findall(r'
.*?.*?(.*?)',text,re.DOTALL)
contents_tags = re.findall(r'
',text,re.DOTALL)
contents = []
for content in contents_tags:
content = re.sub(r'<.*?>','',content)
contents.append(content.strip())
poems = []
for value in zip(titles,dynasties,authors,contents):
title,dynasty,author,content = value
poem = [
{
'title':title,
'dynasties':dynasty,
'authors':author,
'contents':content
}
]
poems.append(poem)
for poem in poems:
print(poem)
print('---'*80)
def main():
url = 'https://www.gushiwen.org/default_1.aspx'
for page in range(1,101):
url = url = 'https://www.gushiwen.org/default_%s.aspx'%page
parse_page(url)
if __name__ == '__main__':
main()
python输出古诗词_python爬取古诗文网相关推荐
- Python真香之爬取古诗文网
最近在学习Python相关,学习了基本的语法后想搞点事情试试,所以来爬取下古诗文网中的相关作者信息 准备资料: 爬取目标:爬取古诗文网的唐代作者的信息 目标分析: 一级页面是所有唐代作者的列表,点击名 ...
- Python实战---使用正则表达式爬取古诗文网
使用正则表达式爬取古诗文网 爬取目标 具体字段为: title 标题 dynasty 朝代 author 作者 content 内容 tag 标签 实现代码 ''' @Description: 使用正 ...
- Python使用网络抓包的方式,利用超级鹰平台识别验证码登录爬取古诗文网、上篇--识别验证码
Python使用网络抓包的方式,利用超级鹰平台识别验证码登录,<爬取古诗文网>. 上篇–识别验证码 序言: 哈喽,各位小可爱们,我又来了,这次我新学习到的内容是python爬虫识别验证码. ...
- 爬取古诗文网的推荐古诗
爬取古诗文网的推荐古诗 思路分析 完整代码 结果展示 思路分析 本次的主要目的是练习使用正则表达式提取网页中的数据. 该网站的推荐古诗文一共有10页,页码可以在URL中进行控制,比如说,下面的URL指 ...
- python爬取新闻存入数据库_python 爬取古诗文存入mysql数据库的方法
使用正则提取数据,请求库requests,看代码,在存入数据库时,报错ERROR 1054 (42S22): Unknown column 'title' in 'field list'.原来是我写s ...
- Python爬虫(一)——爬取古诗文网,初识什么是爬虫
首先来说下什么是爬虫,按照百度百科的说法是:是一种按照一定规则,自动抓取万维网信息的程序或者脚本:首先它是程序,需要我们定义好规则,然后程序就会按照定义好的规则抓取网络上的信息,数据抓取下来了之后,需 ...
- python 简书_python爬取简书网文章的方法
python爬取简书网文章的方法 发布时间:2020-06-30 14:37:08 来源:亿速云 阅读:100 作者:清晨 这篇文章主要介绍python爬取简书网文章的方法,文中示例代码介绍的非常详细 ...
- Python-爬虫(爬虫练习 爬取古诗文网五言绝句)
目标网站 采用的数据解析方式:xpath.bs4.re正则 获取网站中所有的五言绝句诗词链接 from bs4 import BeautifulSoup import re# 获取五言绝句代码链接,以 ...
- 爬虫学习笔记:爬取古诗文网
1.目标网站 目标网站:https://so.gushiwen.org/shiwen/default.aspx? 2.爬虫目的 爬取目标网站的文本,如古诗的内容,作者,朝代,并且保存到本地中. 3.爬 ...
最新文章
- dataframe重命名
- 转:不是技术牛人,如何拿到国内IT巨头的Offer
- sequoiadb sdbexprt 导入工具进阶使用
- 【数字信号处理】线性时不变系统 LTI “ 输入 “ 与 “ 输出 “ 之间的关系 ( 线性卷积计算方法列举 | 线性卷积计算案例一 | 根据 线性卷积 定义直接计算 卷积 )
- 模块的四种形式 模块的调用 循环导入问题 模块的搜索路径 py文件的两种用途 编译python文件 包...
- C++ for循环跳过某一项求和
- 【DIY】玩转VFD荧光屏(一),自制VFD时钟全资料(原理图+源码+PCB)
- 官宣|Apache Flink 1.13.0 正式发布,流处理应用更加简单高效!
- OpenGL ES 加载3D模型
- 女生做产品经理好吗_产品经理如何做产品架构设计
- CodeVs 1017 乘积最大(DP)
- html两个字段自动相加,HTML_两个并列的div让其根据内容自动保持同等高度,我们看下下面这个问题:有左 - phpStudy...
- 使php支持pdo_mysql
- vs2010调用python的方法
- thinkphp LoginAction.class.php 登录模块
- java matcher方法_Java正则表达式入坑指南:正则表达式使用的类有哪些吗?
- vue页面引用echart的词云图
- ODl之VTN详解-VTN概述
- FPGA学习任意波函数信号发生器的设计(基于quartus II13.0)
- pyqt5:利用QFileDialog从本地选择图片\文本文档显示到label、保存图片\label文本到本地(附代码)