使用Python+xpath爬取知网所有中英文期刊的封面背景图片

本文介绍如何使用Python库(requests, BeautifulSoup, lxml)配合XPath解析,从中国知网抓取期刊封面背景图片,通过逐页抓取并存储的方式实现对大量期刊封面的高效获取。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

使用Python+xpath+beautifulsoup爬取知网所有中英文期刊的封面背景图片`

import json
import requests
from bs4 import BeautifulSoup
from lxml import etree
from pymongo import MongoClient
from gridfs import *

# ajax请求参数太多太复杂,这里省掉了

for index in range(1, 107):
    # ajax请求参数
    payload = {
        'searchStateJson': json.dumps(searchStateJson),
        'displaymode': 1,
        'pageindex': index,
        'pagecount': 21,
        'index': 'subject',
        'searchType': '刊名(曾用刊名)',
        'clickName': '社会科学II',
        'switchdata': 'leftnavi'
    }

    # 获取期刊编码
    response = requests.post(base_url, data=payload, headers=headers)
    ul_html = etree.HTML(response.text)
    # print(html.text)
    urls = ul_html.xpath('*//ul[@class="list_tup"]/li/a/@href')
    journal_encode_list = []
    for ur in urls:
        journal_code = ur.split('&')[1].split('=')[1]
        journal_encode_list.append(journal_code)
    # 前往期刊详情页抓取详细信息
    for co in journal_encode_list:
        url = 'https://navi.cnki.net/knavi/journals/' + co + '/detail'
        html = requests.get(url, headers=headers)
        soup = BeautifulSoup(html.text, 'html.parser')
        title = soup.title.string.replace('/', '_')
        cntk_img_url = soup.find('img', attrs={'class': 'pic-book'})['src']
        img = requests.get('http:' + cntk_img_url)
        f = open(base_dir + title + '.jpg', 'ab')
        f.write(img.content)  # 多媒体存储content
        f.close()
        print(title)
        print('-----------')


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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