使用python3爬取数据至csv

最新推荐文章于 2024-04-19 10:35:59 发布

向往的生活Life

最新推荐文章于 2024-04-19 10:35:59 发布

阅读量4.5k

点赞数

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/ASAS1314/article/details/52594189

python 专栏收录该内容

16 篇文章

订阅专栏

本篇博客介绍了一个使用Python编写的简单爬虫程序，该程序能够从维基百科中抓取文章标题和内容，并将其存储到CSV文件中。此外，爬虫还会随机选择链接继续抓取新的文章。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

直接贴代码

#!/usr/local/bin/python3.5
# -*- coding:UTF-8 -*-
from urllib.request import urlopen
from bs4 import BeautifulSoup
import re
import datetime
import random
import csv

random.seed(datetime.datetime.now())

csvfile = open('test.csv', 'wt', newline='', encoding='utf-8')
writer = csv.writer(csvfile)


def store(title, content):
    csvrow = []
    csvrow.append(title)
    csvrow.append(content)
    writer.writerow(csvrow)


def get_links(acticle_url):
    html = urlopen('http://en.wikipedia.org' + acticle_url)
    soup = BeautifulSoup(html, 'html.parser')
    title = soup.h1.get_text()
    content = soup.find('div', {'id': 'mw-content-text'}).find('p').get_text()
    store(title, content)
    return soup.find('div', {'id': 'bodyContent'}).findAll('a', href=re.compile("^(/wiki/)(.)*$"))

links = get_links('')

try:
    while len(links) > 0:
        newActicle = links[random.randint(0, len(links) - 1)].attrs['href']
        links = get_links(newActicle)
        print(links)
finally:
    csvfile.close()