Python爬虫实践（十一）：selenium+phantomjs+正则表达式爬取文章并保存

Ian ma

于 2016-06-26 22:27:34 发布

阅读量4k

点赞数

分类专栏： Python 文章标签： python 爬虫

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/horseinch/article/details/51764934

版权

本文介绍了如何在Ubuntu环境下使用Python爬虫结合selenium和phantomjs抓取《三联生活周刊》中关于英国“脱欧”的文章内容。首先，安装wingide 5.0.1并进行破解，接着安装PhantomJS和selenium。通过观察页面源代码，使用正则表达式匹配文章段落。最后，定义工具类tool清除不需要的元素，成功获取并保存文章文本。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

爬取的是三联生活周刊的这篇文章：

英国"脱欧"：蝴蝶的翅膀动了（url：点击打开链接）

一、环境准备：

系统：Ubuntu

IDE：wingide

安装以及破解wingide可参考这篇文章：点击打开链接，需要注意的是，经过验证，这个破解的py脚本对最新的wingide 5.1破解失败，在官网下载wingide的时候，点击older version，安装5.0.X的版本，我安装的是5.0.1版本。

安装Phantom可以直接在这里下载，利用 tar 命令解压，之后将可执行文件放入系统路径，使用命令࿰

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。