Python裸奔也疯狂:批量爬取中国工程院院士信息
中国工程院院士,是中国设立的工程科学技术方面的最高学术称号,为终身荣誉,由选举产生。在工程科学技术方面作出重大的、创造性的成就和贡献,热爱祖国,学风正派,品行端正,具有中国国籍的高级工程师、研究员、教授或具有同等职称的专家,可被提名并当选为中国工程院院士。
增选院士每两年进行一次,必要时,可提前或延后进行。每次的增选院士名额,由中国工程院主席团讨论决定。
为更好地膜拜众位男神女神,了解其在相关领域做出的杰出贡献,本文代码用于从中国工程院官方网站公开的信息中进行快速提取,主要用来演示Python标准库os、re、urllib的用法以及网络爬虫的原理,没有使用任何扩展库。本文涉及到的内容严禁用于不良用途,违者后果自负。
首先,打开工程院官方网站,查看全部院士名单,查看源代码,进行简单分析,得到规律,以便后面设计正则表达式,图中红框内是我们感兴趣的内容:
接下来打开任意一位院士的链接,进一步分析,得到数据组织的规则,以方便设计正则表达式:
所有规则都清晰之后,就可以编写代码进行爬取了:
----------相关阅读----------
Python爬虫扩展库scrapy选择器用法入门(一)
Python使用Scrapy爬虫框架爬取天涯社区小说“大宗师”全文
Python不使用scrapy框架而编写的网页爬虫程序
Python爬虫扩展库BeautifulSoup4用法精要
祝所有程序员1024节日快乐
学会提问,你就成功了一大半!
盘点那些让人上火的提问方式(论如何让交流更高效)
----------喜大普奔----------
1、继《Python程序设计基础》(2017年9月第5次印刷)、《Python程序设计(第2版)》(2017年9月第4次印刷)、《Python可以这样学》(2017年7月第3次印刷)系列图书之后,董付国老师新书《Python程序设计开发宝典》已于2017年8月1日在清华大学出版社出版,并于2017年9月进行了第2次印刷。为庆祝新书《Python程序设计开发宝典》全面上架,清华大学出版社联合“赣江图书专营”淘宝店推出特价优惠活动,《Python程序设计开发宝典》原价69元,新书上架期间超低价39.8元,可以复制下面的链接使用浏览器打开查看图书详情和购买:
https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-14464369246.84.46f16db0roWfX4&id=557107249812&rn=339cbc9df2bac424664103917dedfbd2&abbucket=8&tbpm=3
2、董付国老师新作《中学生可以这样学Python》已正式出版,很快会在各大书城全面上架。
3、董付国老师6本Python系列图书阅读指南
Python裸奔也疯狂:批量爬取中国工程院院士信息相关推荐
- python实战-HTML形式爬虫-批量爬取电影下载链接
文章目录 一.前言 二.思路 1.网站返回内容 2.url分页结构 3.子页面访问形式 4.多种下载链接判断 三.具体代码的实现 四.总结 一.前言 喜欢看片的小伙伴,肯定想打造属于自己的私人影院 ...
- Python每日一练(9)-批量爬取B站小视频
目录 1. 批量爬取B站小视频 2. 获取动态请求的JSON数据 3. 随机生成浏览器的头部信息 4. 获取要下载视频的大小 5. 实时打印文件下载进度 1. 批量爬取B站小视频 哔哩哔哩网站(英文名 ...
- Python爬虫学习教程,批量爬取下载抖音视频
这篇文章主要为大家详细介绍了python批量爬取下载抖音视频,具有一定的参考价值,感兴趣的小伙伴们可以参考一下 项目源码展示: ''' 在学习过程中有什么不懂得可以加我的 python学习交流扣扣qu ...
- Python爬虫练习-Xpath解析批量爬取PPT
批量爬取PPT,分页爬取 import os import requests from lxml import etreeif __name__ == '__main__':# UA伪装headers ...
- python爬虫实战1:批量爬取网址图片
1.爬虫基础知识 目前,爬虫的相关知识了解了以下这么多. 2.爬取图片的步骤 学习了很多视频教程,基本介绍爬虫都是主要分3步: 1.请求网页 2.解析网页 3.保存图片 3.爬虫实战 唯有实战,才能提 ...
- 从入门到入土:Python爬虫学习|实例练手|爬取LOL全英雄信息及技能||异步加载|初级难度反扒处理|寻找消失的API
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出.欢迎各位前来交流.(部分材料来源网络,若有侵权,立即删除) 本人博客所有文章纯属学习之用,不涉及商业利益.不合适引用,自当删除! 若 ...
- Python爬虫实战之一 - 基于Requests爬取拉勾网招聘信息,并保存至本地csv文件
Python爬虫实战之二 - 基于Requests抓取拉勾网招聘信息 ---------------readme--------------- 简介:本人产品汪一枚,Python自学数月,对于小白,本 ...
- 爬取中国工程院院士的信息
编写多进程网络爬虫程序,爬取中国工程院网页(http://www.cae.cn/cae/html/main/col48/column_48_1.html)上每位院士的信息,将每位院士的建立存为本地文件 ...
- python爬虫实战-如何批量爬取唯品会商品信息>>>
第一步.打开唯品会网站 https://www.vip.com.然后随意搜索一种商品,比如"键盘",搜索之后下拉发现页面URL没有发生改变,但是商品信息在不断加载,那么这就是动态 ...
最新文章
- angular2 学习笔记 ( Http 请求)
- html 浮动窗口置顶,jQuery简单实现页面元素置顶时悬浮效果示例
- linux c实现线程超时退出,c – 如何在另一个线程的超时内唤醒select()
- Lua学习笔记5:类及继承的实现
- abrels.inc.php_fckk.php
- 精通 Oracle+Python,第 4 部分:事务和大型对象
- LINUX下FORK的运行机制详细解析
- oracle并行和并发,Oracle 并发查询
- Java原始客户端操作Mongodb 增删改查
- 一些值得借鉴的处事、励志语句
- vba遗传算法之非一致性突变
- javaEE开发中使用session同步和token机制来防止并发重复提交
- [Android] 混音线程MixerThread
- cmos逻辑门传输延迟时间_02. 码制与逻辑运算
- position sticky
- objective-c类别catagory的作用?
- ma5671怎么设置_华为MA5671怎样设置POE供电
- Android Studio打包原生Java影视APP源码
- maven打包报错scalac error: xxxx\target\classes does not exist or is not a director
- php增加sqlserver扩展
热门文章
- mysql with-embedded-server_终于成功实验程序实现Embedded MySQL Server启动(C/C++)
- html css三类选择器,css三类选择器 用法 引用
- c++函数返回二维数组_C++ 怎样让函数返回数组
- java swt designerpdf_eclipse学习笔记!(4) ----- SWT Designer 下 SWT常用组件
- python反编译加密文件_python打包的二进制文件反编译
- DataGuard ORA-01111,ORA-01275文件创建失败问题解决
- java jtextfield 不显示_【swing问题】_JTextField组件怎么显示不全啊
- android sha1和签名证书的学习
- js 判断字符串为空的方法
- Recyclerview单选和多选