# 爬取网页的中文内容
from urllib import request
from bs4 import BeautifulSoup
import pandas as pds
import xlrd
import docx
#读取excel
def excel(fname):
data=pds.read_excel(fname)
return data
def word(school ,content):
#创建内存中的word文档对象
file=docx.Document()
#写入若干段落
file.add_paragraph(content)
#保存
file.save("E:/大四上/毕业论文/招生简章/"+school+"招生简章.docx")
if __name__ == '__main__':
data=excel("C:/Users/Administrator/Desktop/招生简章.xlsx") #读初始数据
nrow=data.shape[0] #获取数据的行数
for i in range(0,nrow):
school = data.values[i][0]
url =data.values[i][1]
print("正在爬第"+str(i)+"个招生简章")
head = {}
# 使用代理
head['User-Agent'] = 'Mozilla/5.0 (Linux; Android 4.1.1; Nexus 7 Build/JRO03D) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.166 Safari/535.19'
req = reque
python爬虫——爬取网页的中文
最新推荐文章于 2024-08-11 22:06:01 发布