爬取丁香论坛指定回复

爬取丁香论坛指定回复

学习xpath,使用lxml+xpath提取内容。
使用xpath提取丁香园论坛的回复内容。
丁香园直通点:http://www.dxy.cn/bbs/thread/626626#626626

代码

def getHTMLText(url):
    try:
        r = requests.get(url)
        r.raise_for_status()
        return r.text
    except:
        print("getHTMLText error!")
        return ""


def parsePage(text):
    htmlInfo = {}
    try:
        html = etree.HTML(text)
        names = html.xpath('//div[@class = "auth"]/a/text()')
        contents = html.xpath("//td[@class = 'postbody']")
        for i in range(len(names)):
            htmlInfo[names[i]] = contents[i].xpath('string()').strip()
    except:
        print("parsePage error!")
    return htmlInfo


def printHTMLInfo(htmlInfo):
    tplt = "{:}\t\t{:}"

    print(tplt.format("name", "content"))
    for key, value in htmlInfo.items():
        print(tplt.format(key, value), end='\n\n')


def main():
    url = "http://www.dxy.cn/bbs/thread/626626"
    text = getHTMLText(url)
    htmlInfo = parsePage(text)
    printHTMLInfo(htmlInfo)


main()

解析

在这里插入图片描述

转载参考:https://blog.youkuaiyun.com/wxl1999/article/details/89116195

在Python中爬取丁香园(DXY,中国知名的医疗健康信息网站)的药物说明书通常涉及网络爬虫技术,特别是使用如BeautifulSoup、Scrapy等库配合requests库来抓取网页内容。以下是简单的步骤: 1. **安装必要的库**: 首先需要安装`requests`用于发送HTTP请求,`lxml`或`bs4`(BeautifulSoup的库)用于解析HTML。 ```bash pip install requests beautifulsoup4 ``` 2. **编写爬虫脚本**: 使用Python创建一个函数,通过URL获取药品详情页面,并解析出所需的药品说明部分。由于丁香园的页面结构可能会有变化,你需要分析并定位到药品说明的位置。 ```python import requests from bs4 import BeautifulSoup def fetch_drug_manual(url): response = requests.get(url) soup = BeautifulSoup(response.text, 'lxml') # 假设药品说明在某个特定的div或section标签下 manual_area = soup.find('div', {'class': 'drug-manual'}) if manual_area: drug_manual = manual_area.get_text().strip() else: drug_manual = "找不到药品说明" return drug_manual # 示例: url = "https://drugs.dxy.cn/drug/d0655" # 替换为你想要查询的药物ID或URL manual = fetch_drug_manual(url) print("药品说明:", manual) ``` **注意**: - 在实际操作中,你需要遵守丁香园的robots.txt规则和使用条款,确保你的爬虫活动不会对服务器造成过大的负担或侵犯隐私。 - 药品数据可能受版权保护,未经允许直接抓取用于商业目的可能违法。
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