日日操夜夜添-日日操影院-日日草夜夜操-日日干干-精品一区二区三区波多野结衣-精品一区二区三区高清免费不卡

公告:魔扣目錄網(wǎng)為廣大站長提供免費(fèi)收錄網(wǎng)站服務(wù),提交前請(qǐng)做好本站友鏈:【 網(wǎng)站目錄:http://www.ylptlb.cn 】, 免友鏈快審服務(wù)(50元/站),

點(diǎn)擊這里在線咨詢客服
新站提交
  • 網(wǎng)站:51998
  • 待審:31
  • 小程序:12
  • 文章:1030137
  • 會(huì)員:747

Python批量采集WordPress網(wǎng)站數(shù)據(jù)爬蟲腳本


分享一段非常簡單的Python批量采集wordpress網(wǎng)站數(shù)據(jù)的爬蟲腳本,實(shí)現(xiàn)采集wordpress程序的網(wǎng)站的整站數(shù)據(jù)的爬蟲程序。從首頁開始,抓取href標(biāo)簽,到子頁面后還是要繼續(xù)找href標(biāo)簽,采用Python遞歸方法,直接貼代碼吧!

import re
import bs4
import urllib.request
  
url_home = 'https://www.zztuku.com/'  #要采集的網(wǎng)站
url_pattern = url_home + '([\s\S]*)\.html' #正則表達(dá)式匹配文章頁面,此處需完善為更好的寫法
url_set = set()
url_cache = set()
url_count = 0
url_maxCount = 1000  #最大采集數(shù)量
  
#采集匹配文章內(nèi)容的href標(biāo)簽
def spiderURL(url, pattern):
   html = urllib.request.urlopen(url).read().decode('utf8')
   soup = bs4.BeautifulSoup(html, 'html.parser')
   links = soup.find_all('a', href = re.compile(pattern))
   for link in links:
       if link['href'] not in url_cache:
           url_set.add(link['href'])
   return soup
  
#采集的過程  異常處理還需要完善,對(duì)于一些加了防采集的站,還需要處理header的,下次我們?cè)賹W(xué)習(xí)
spiderURL(url_home, url_pattern)
  
while len(url_set) != 0:
   try:
       url = url_set.pop()
       url_cache.add(url)
       soup = spiderURL(url, url_pattern)
       page = soup.find('div', {'class':'content'})
  
       title = page.find('h1').get_text()
       autor = page.find('h4').get_text()
       content = page.find('article').get_text()
  
       print(title, autor, url)
   except Exception as e:
       print(url, e)
       continue
   else:
       url_count += 1
   finally:
       if url_count == url_maxCount:
           break
  
print('一共采集了: ' + str(url_count) + ' 條數(shù)據(jù)')


分享到:
標(biāo)簽:Python批量采集 WordPress采集 Python爬蟲腳本
用戶無頭像

網(wǎng)友整理

注冊(cè)時(shí)間:

網(wǎng)站:5 個(gè)   小程序:0 個(gè)  文章:12 篇

  • 51998

    網(wǎng)站

  • 12

    小程序

  • 1030137

    文章

  • 747

    會(huì)員

趕快注冊(cè)賬號(hào),推廣您的網(wǎng)站吧!
最新入駐小程序

數(shù)獨(dú)大挑戰(zhàn)2018-06-03

數(shù)獨(dú)一種數(shù)學(xué)游戲,玩家需要根據(jù)9

答題星2018-06-03

您可以通過答題星輕松地創(chuàng)建試卷

全階人生考試2018-06-03

各種考試題,題庫,初中,高中,大學(xué)四六

運(yùn)動(dòng)步數(shù)有氧達(dá)人2018-06-03

記錄運(yùn)動(dòng)步數(shù),積累氧氣值。還可偷

每日養(yǎng)生app2018-06-03

每日養(yǎng)生,天天健康

體育訓(xùn)練成績?cè)u(píng)定2018-06-03

通用課目體育訓(xùn)練成績?cè)u(píng)定