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: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目

【Python报错已解决】AttributeError: ‘list‘ object has no attribute ‘text‘

🎬 鸽芷咕:个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 文章目录 前言一、问题描述1.1 报错示例1.2 报错分析1.3 解决思路 二、解决方法2.1 方法一:检查属性名2.2 步骤二:访问列表元素的属性 三、其他解决方法四、总结 前言 在Python编程中,属性错误(At