python爬虫lxml解析爬取诗词名句

Python 正则表达式之爬取古诗文名句 Python 正则表达式之爬取古诗文名句 概述: 山有木兮木有枝,心悦君兮君不知。 概念介绍: 正则表达式:正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。简单来说就是利用事先规定好的符号规则进行组合,然后过滤匹配,得到自己想要的数据! Python 正则表达式:impor... 阅读详情

原创:仅用于学习Python爬虫,请勿商业或恶意爬取数据
文件夹和文件都是程序创建,我只爬了这些数据用于测试
仅用了两个for循环,并没有搞的太难(函数),适合新手操练,有大量注释易于理解
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

from lxml import etree
import requests
import os
from multiprocessing import Pool
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36",
    'Referer':'http://www.shicimingju.com/'
}
# 设置url
url = 'http://www.shicimingju.com/book/'
# 请求数据

response = requests.get(url=url,headers=headers)
# 获取页面数据
page_text = response.text
# 转换成可解析对象
etrees = etree.HTML(page_text)
# 解析数据
h2_list = etrees.xpath('//div[@class="bookmark-list"]/ul/li/h2')

# 获取某本书的目录
for i in h2_list:
    # 获取链接到目录url
    src_list = i.xpath("./a/@href")[0]
    # print(src_list)     #/book/shuotang.html
    src_url = url + src_list
    # 获取链接到目录 目录名
    a_name = i.xpath("./a/text()")[0]
    # print(a_name)       #说唐
    # 根据目录链接进入某本书的目录页面
    response = requests.get(url=src_url,headers=headers)
    # 获取页面数据
    page_text = response.text
    etrees = etree.HTML(page_text)
    # 解析页面 准备找url和章节名称
    li_list = etrees.xpath('//div[@class="book-mulu"]/ul/li')
    file_path = "./史书典籍/%s"%a_name + "/"
    if not os.path.exists(file_path):
        os.mkdir(file_path)
    for j in li_list:
        # 单篇小说的某个章节名字
        a_text_singles = j.xpath("./a/text()")[0]
        # 单篇小说的某个章节的url
        a_url_singles = j.xpath("./a/@href")[0]
        a_url = url + a_url_singles
        response = requests.get(url=a_url, headers=headers)
        # 获取页面数据
        page_text = response.text
        # 转成可解析的对象
        etrees = etree.HTML(page_text)
        content = etrees.xpath('//div[@class="chapter_content"]/p/text()')
        # 获取到的列表转为字符串
        content = "".join(content)
        file_name = file_path + a_text_singles +".txt"
        with open(file_name,"w",encoding="utf-8") as f:
            f.write(content)
        print("%s,%s下载完成"%(a_name,a_text_singles))
    print("%s下载完成"%a_name)
通过 scrapy 爬虫架构爬取中国古诗网的 唐诗三百首 通过 scrapy 爬虫架构爬取中国古诗网的 唐诗三百首 通过 scrapy 爬虫架构爬取中国古诗网的 唐诗三百首 通过 scrapy 爬虫架构爬取中国古诗网的 唐诗三百首 通过 scrapy 爬虫架构爬取中国古诗网的 唐诗三百首 立即下载

相关推荐

python爬虫古诗词

python爬虫古诗文网站

Python爬虫——爬取古诗词

🌸当你喜欢哪个诗人,想获取他的全部诗词数据的时候,可以通过爬虫来解决这个问题,用爬虫把诗词全部爬下来,然后存到txt文档中,打印出来背诵,岂不美哉。 🐟我们要爬取这个诗人的全部诗词和他的个人简介🐽先在该页面中获取诗人信息,但是该页面难以获取全部诗词内容,那么在该页面中先获取到诗词详细的,根据诗词详情页的再继续深一层爬取详情页信息,进而获取诗词内容代码如下(示例): 结果 🐡下面是程序运行的输出🐂下面是我们保存到txt文件的内容爬虫的基本步骤: 1.检查有没有反爬,设置常规反反爬,和都是最常见的反...

奔跑的狮子 4601

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、爬虫程序 # -*- coding:utf-8 -*- #爬取古诗网站 import requests import re #下载数据 def write_data(data): with open('诗词.txt','a')as f: f.write(data) for i in range(1,10): #目标url地址 url = "htt

python爬虫——带你爬取古诗名句,考试什么的不就是轻轻松松

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:py3study ( 想要学习Python?Python学习交流群:1039649593,满足你的需求,资料都已经上传群文件流,可以自行下载!还有海量最新2020python学习资料。 ) 一. 概要 1.通过python爬虫循环爬取古诗词网站古诗名句 2.落地到本地数据库 二. 页面分析 首先通过firedebug进行页面定位: 其次源码定位: 最终生成l

weixin_49345590的博客 1409

python 使用xpath/lxml爬取网页表格并存CSV

0x01 网页表格样式 0x02 爬取代码 # -*- coding: utf-8 -*-# #------------------------------------------------------------------------------- # Name: test # Author: Negoowen # Date: 2020/3/9 __Author__ = 'Negoo_wen' #--------------------------------------------------------------------------

datax web升级springboot3 jdk17

datax web但GitHub上还是springboot2,没有升级过,最近扫漏洞发现spring-core漏洞必须升级到6.x才能解决,这时不得不将springboot升级到3.x,随之而来是jdk、mybatis-plus等等的升级,调整了几天才没问题,痛苦的开发人生~~以上,有疑问欢迎留言。

liyinglong1023的博客 973

python输出古诗词_python爬虫——爬取古诗词

一. 概要1.通过python爬虫循环爬取古诗词网站唐诗宋词2.落地到本地数据库二. 页面分析首先通过firedebug进行页面定位:其次源码定位:最终生成lxml etree定位div标签源码:# 通过 lxml进行页面分析​response = etree.HTML(data)# div层定位for row in response.xpath('//div[@class="left"]/div...

weixin_39847945的博客 1938

车辆贷款违约预测挑战赛

2021科大讯飞-车辆贷款违约预测挑战赛--方案简介车贷违约预测问题,目的是建立风险识别模型来预测可能违约的借款人。预测结果为借款人是否可能违约,属于二分类问题。偏数据挖掘的比赛,关键点是如何基于对数据的理解抽象归纳出有用的特征。站在大佬的视角,尝试学习总结,站在巨人的肩膀上,也许看得会更远一些。直接进入主题,开始学习套路,芜湖~特征工程1、常用库、数据导入import pandas as pd import numpy as np import lightgbm as lgb import xgboost

平平淡淡,戒急用忍,一生学闭嘴。 3341

Python练习014

题目:爬取诗词名句网的全本三国演义。 import requests from bs4 import BeautifulSoup import os if not os.path.exists("三国演义"): os.mkdir("三国演义") url = "https://www.shicimingju.com/book/sanguoyanyi.html" headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) App

IMDASHUAI的博客 289

STM32 Proteu直流电机正反转控制系统限位开关-0035

硬件组成:STM32F103C6单片机 +L298N电机控制电路+直流电机+3个按键(正转、反转、停止)+LED指示灯(正转、反转、停止)+限位开关(正限位 反限位) 1.通过3个按键(正转、反转、停止)控制电机的正转、反转、停止。 2.有3个LED指示灯,正转时正转指示灯亮。反转停止对应反转停止指示灯亮。 3.有自动正转反转停止功能,正转时当正限位按键按下时说明正转到最大距离。此时自动停止。反转一样。

zhaxiaobian_er的博客 2002

【ROS】usb_cam相机标定

1. 唠叨两句 当我们要用相机做测量用途时,就需要做相机标定了,不然得到的计算结果会有很大误差,标定的内容包括三部分:内参,外参还有畸变参数。所以标定的过程就是要求得上面这些参数。 以前弄这个事估计挺麻烦,需要做实验和计算才能得到,现在通过ros的开源包几分钟就能完成相机标定,感激! 具体的内外参和畸变系数的说明,可以看看Reference里面的第一个链接,写得很详细。 2. 准备工作 要准备三样东西: usb_cam的ROS启动包 相机标定的ROS包 还有一个用于标定的棋盘格 1)usb_cam启动包

Will_Ye的博客 8199

python输出古诗词_python爬虫——爬取古诗名句

一. 概要1.通过python爬虫循环爬取古诗词网站古诗名句2.落地到本地数据库二. 页面分析首先通过firedebug进行页面定位:其次源码定位:最终生成lxml etree定位div标签源码:response = etree.HTML(data)for row in response.xpath('//div[@class="left"]/div[@class="sons"]/div[@cla...

weixin_39611510的博客 1064

计算机视觉与深度学习 | 2024年至2025年图像匹配算法总结(原理,公式,代码,开源链接)

以上总结覆盖了当前主流和前沿技术,实际选择需结合具体场景(速度/精度/资源限制)评估。

尘世冰封的专栏 1585

python爬虫实战二、多页爬取全篇小说并分章节保存本地

多页爬取全篇小说并分章节保存本地 有需要爬取一些文章来满足自己开发的实际需要,以下以爬取经典小说《西游记》为例,共计101回。 在开始之前我们需要导入我们需要的库: ①beautifulsoup4 ②requests ③lxml根 据实际需要导入自己需要的库,也可以不用以上的库,自己熟悉哪种解析库,便优先选取哪种。 本次爬取的网站为诗词名句网中的西游记小说 总代码如下: from bs4 impo...

leechoy 7858

华为的LTC(Lead to Cash,从线索到现金)流程是其销售管理体系的核心,覆盖了从发现销售线索到最终收回现金的全过程,强调端到端的业务贯通和以客户为中心的运营理念

华为LTC流程是覆盖销售全周期的管理体系,包含四大阶段:线索转机会(LTO)、机会转订单(OTO)、订单转交付(OTD)、交付转现金(DTC)。其核心采用"铁三角"团队模式(AR/SR/FR协作),通过多部门联合评审把控关键节点,实现端到端业务贯通。该流程与IPD、MTL、ITR等体系高效协同,结合iSales平台实现数字化管理,有效提升销售效率、客户满意度和资金回笼速度。

金牌架构师 1718

RT-DETR改进策略【Conv和Transformer】| HiLo注意力机制 通过分离处理图像的高频和低频信息,高效处理图像特征

本文记录的是利用改进检测模型,针对目标检测中面临的多尺度特征融合效率与长距离依赖建模难题,HiLo注意力模块的引入旨在通过频率解耦策略优化高分辨率特征处理,将高频细节(如目标边缘)与低频语义(如场景结构)分离建模,提升目标检测精度。Fast Vision Transformers with HiLo AttentionHiLo注意力模块的提出源于对传统自注意力机制局限性的反思。传统多头自注意力(MSA)在处理高分辨率图像时存在以下问题:HiLo将注意力模块分为高频(Hi-Fi)和低频(Lo-Fi)两个分支,

Limiiiing的博客 814

使用Xpath爬虫库下载诗词名句网的史书典籍类所有文章。

# 需要的库 from lxml import etree import requests # 请求头 headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/53...

weixin_30307267的博客 146

2023最新多文明策略手游《万国觉醒内购版》最新整理Linux商业手工服务端+安卓+详细搭建教程

2023最新多文明策略手游《万国觉醒内购版》最新整理Linux商业手工服务端+安卓+详细搭建教程。源码内置详细搭建教程,感兴趣可自行下载。

百创科技 1713

04. 三种数据解析方式

目录 04. 三种数据解析方式 一. 正则解析 1.常用正则表达式 二. Xpath解析 Xpath 使用实例 BeautifulSoup解析 需求:使用bs4实现将诗词名句网站中三国演义小说的每一章的内...

anzhehan1535的博客 767

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Python爬取诗词名句网站

相比于正则表达式,此次爬取基于Python的BeautifulSoul来实现,Beautiful Soup是一个可以从HTML或XML中提取数据的Python库,结合lxml解析器能够快速定位到我们想要的元素和标签。

Tudective的博客 878

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

【python爬虫】《中华诗词大会》诗词接龙代码实现

# 爬取网站:中华古诗文网 # 诗词接龙 #Author:Eshine #E-mail:732656715@qq.com import requests from my_fake_useragent import UserAgent from lxml import etree import random import re from pypinyin import lazy_pinyin c...

w732656715的博客 1248

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

python名言_python爬虫——爬取古诗名句

一. 概要1.通过python爬虫循环爬取古诗词网站古诗名句2.落地到本地数据库二. 页面分析首先通过firedebug进行页面定位:其次源码定位:最终生成lxml etree定位div标签源码:response = etree.HTML(data)for row in response.xpath('//div[@class="left"]/div[@class="sons"]/div[@cla...

weixin_33345090的博客 318

python爬虫——爬取古诗词

一:需求 1.通过python爬虫循环爬取古诗词网站唐诗宋词 2.保存爬下来的诗词与url 二:效果截图 三:代码实现 import requests from lxml import etree import json class ShiciSpider: def __init__(self): self.start_url ="http://so.gushiwen...

5468

古诗词爬虫

古诗词爬虫 爬取网站:https://www.diyifanwen.com/sicijianshang/tangshisanbaishou/ 导入模块 import requests from lxml import etree import pandas as pd import re headers = { 'user-agent':'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;' } res = requ

王斯的博客 515

Python从诗词名句网站中抓取四大名著之一《三国演义》!

从诗词名句网站中抓取四大名著之一红楼梦,并保存! @ XGan 2019 12 19 **抓取诗词网站(http://www.shicimingju.com/book/hongloumeng.html)中的四大名著–《红楼梦》,并保存到本地文件中,使用该代码可以抓取诗词网上很多的古典诗集的,只需做稍微的修改,但都只支持单部书籍的爬取,等有时间写一个全网爬取的Demo,到时候与大家分享,这里只是以《...

Ganxiang 1962
上一篇: Python使用MongoDB
下一篇: python爬虫百行代码爬《励志一生》网站,破解BeautifulSoup乱码办法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值