python爬取csdn的文章内容

2023-10-31 17:12

本文主要是介绍python爬取csdn的文章内容,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

今天写了一个爬取csdn文章的

初学不太会,下面代码有时间可以自行优化

新建python文件,把我的代码复制进去保存

把依赖python install 一下

import re
import urllib.error
import urllib.request
import os
import tkinter as tk
from bs4 import BeautifulSoupdef main():baseurl = entry_url.get()# baseurl = "https://blog.csdn.net/qq_57420582/article/details/133796601?spm=1001.2014.3001.5502"getDate(baseurl)# print(''.join(datelist))win.destroy()def getDate(baseurl):html = askURL(baseurl)soup = BeautifulSoup(html,"html.parser")datelist = []pattern = r'src="(.*?)"'htmlname = soup.find('h1', class_="title-article")htmlname = str(htmlname).replace("<p>", "").replace("</h1>", "")datelist.append(htmlname[48:] + "\n")htmledit = soup.find('div',class_="htmledit_views")for item in htmledit:item = str(item).replace("<p>","").replace("</p>","\n").replace("<br/>","\n").replace("<h2>","").replace("</h2>","\n").replace("<blockquote>","").replace("<!-- -->","").replace("</blockquote>","\n")# datelist.append(item)match = re.search(pattern, item)if match:url = match.group(1)datelist.append(url+"\n")else:datelist.append(item)desktop_path = os.path.join(os.path.expanduser("~"), "Desktop")  # 找到用户桌面的路径savepath = os.path.join(desktop_path, "csdn爬取文件")  # 文件夹名称saveDate(''.join(datelist),savepath,htmlname[48:])return datelistdef askURL(url):head = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36"}request=urllib.request.Request(url,headers=head)html=""try:response=urllib.request.urlopen(request)html=response.read().decode("utf-8")# print(html)except urllib.error.URLError as e:if hasattr(e,"code"):print(e.code)if hasattr(e,"reason"):print(e.reason)return htmldef saveDate(datalist,savepath,savename):if not os.path.isdir(savepath):  # 判断是否存在该文件夹,若不存在则创建os.mkdir(savepath)  # 创建with open(savepath + "\\" + savename +".txt", 'w', encoding='utf-8') as file:  # 打开这个文件file.write(datalist)  # 打印文字def frame_center(window, width, height):screen_width = window.winfo_screenwidth()screen_height = window.winfo_screenheight()x = (screen_width - width) // 2y = (screen_height - height) // 2window.geometry(f"{width}x{height}+{x}+{y}")if __name__ == '__main__':win = tk.Tk()win.title('csdn爬取器')  # 窗口名字frame_center(win, 400, 200)  # 窗口大小win.resizable(False, False)label = tk.Label(win, text='请输入网址:')  # 窗口内文字label.pack(pady=10)  # 窗口内容间距label1 = tk.Label(win, text='(爬取需要一些时间哦!)')label1.pack(pady=0)entry_url = tk.Entry(win, width=30)  # 窗口内输入框entry_url.pack(pady=5)btn_record = tk.Button(win, text='开爬!', command=main)  # 窗口内按钮btn_record.pack(pady=40)print("爬取完毕")win.mainloop()

然后下载Axialis IconWorkshop  

这是从本地选取一个图片

确定

保存

然后我们就有了一个图标文件

新建文件夹,把图片和python文件放进去

在上面输入cmd回车,打开命令行窗口

pip install Pyinstaller

Pyinstaller -F -w -i klk.ico klk.py

然后我们就获得了,exe文件就在dist文件夹里面

我们运行exe程序

弹出这个窗口

在csdn选择一篇文章,复制url粘贴到这里

点击  开爬

可以在电脑桌面看到生成了一个csdn爬取文件

这里面就是爬到的内容了

这篇关于python爬取csdn的文章内容的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/316888

相关文章

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文

Python设置Cookie永不超时的详细指南

《Python设置Cookie永不超时的详细指南》Cookie是一种存储在用户浏览器中的小型数据片段,用于记录用户的登录状态、偏好设置等信息,下面小编就来和大家详细讲讲Python如何设置Cookie... 目录一、Cookie的作用与重要性二、Cookie过期的原因三、实现Cookie永不超时的方法(一)

Python内置函数之classmethod函数使用详解

《Python内置函数之classmethod函数使用详解》:本文主要介绍Python内置函数之classmethod函数使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录1. 类方法定义与基本语法2. 类方法 vs 实例方法 vs 静态方法3. 核心特性与用法(1编程客

Python函数作用域示例详解

《Python函数作用域示例详解》本文介绍了Python中的LEGB作用域规则,详细解析了变量查找的四个层级,通过具体代码示例,展示了各层级的变量访问规则和特性,对python函数作用域相关知识感兴趣... 目录一、LEGB 规则二、作用域实例2.1 局部作用域(Local)2.2 闭包作用域(Enclos

Python实现对阿里云OSS对象存储的操作详解

《Python实现对阿里云OSS对象存储的操作详解》这篇文章主要为大家详细介绍了Python实现对阿里云OSS对象存储的操作相关知识,包括连接,上传,下载,列举等功能,感兴趣的小伙伴可以了解下... 目录一、直接使用代码二、详细使用1. 环境准备2. 初始化配置3. bucket配置创建4. 文件上传到os

使用Python实现可恢复式多线程下载器

《使用Python实现可恢复式多线程下载器》在数字时代,大文件下载已成为日常操作,本文将手把手教你用Python打造专业级下载器,实现断点续传,多线程加速,速度限制等功能,感兴趣的小伙伴可以了解下... 目录一、智能续传:从崩溃边缘抢救进度二、多线程加速:榨干网络带宽三、速度控制:做网络的好邻居四、终端交互

Python中注释使用方法举例详解

《Python中注释使用方法举例详解》在Python编程语言中注释是必不可少的一部分,它有助于提高代码的可读性和维护性,:本文主要介绍Python中注释使用方法的相关资料,需要的朋友可以参考下... 目录一、前言二、什么是注释?示例:三、单行注释语法:以 China编程# 开头,后面的内容为注释内容示例:示例:四

Python中win32包的安装及常见用途介绍

《Python中win32包的安装及常见用途介绍》在Windows环境下,PythonWin32模块通常随Python安装包一起安装,:本文主要介绍Python中win32包的安装及常见用途的相关... 目录前言主要组件安装方法常见用途1. 操作Windows注册表2. 操作Windows服务3. 窗口操作

Python中re模块结合正则表达式的实际应用案例

《Python中re模块结合正则表达式的实际应用案例》Python中的re模块是用于处理正则表达式的强大工具,正则表达式是一种用来匹配字符串的模式,它可以在文本中搜索和匹配特定的字符串模式,这篇文章主... 目录前言re模块常用函数一、查看文本中是否包含 A 或 B 字符串二、替换多个关键词为统一格式三、提

python常用的正则表达式及作用

《python常用的正则表达式及作用》正则表达式是处理字符串的强大工具,Python通过re模块提供正则表达式支持,本文给大家介绍python常用的正则表达式及作用详解,感兴趣的朋友跟随小编一起看看吧... 目录python常用正则表达式及作用基本匹配模式常用正则表达式示例常用量词边界匹配分组和捕获常用re