最近,某可爱要求我忙完之后给她每晚睡前讲讲小故事,我想了下,网络上应该有各种资源,小故事也都能搜得到,但是数量比较少,而且格式不够统一,提取比较困难。转念一想,面向儿童的睡前故事可能也比较适用,于是我准备从儿童睡前故事中取材,搜索之后发现有一个适合提取睡前故事的网址:
http://www.tom61.com/ertongwenxue/shuiqiangushi/
一共有700则小故事,嗯,一天一则数量可以满足,html格式也比较统一,就决定是它了!
查看网页源代码,ctrl+F输入查询关键字幸福王国,定位到相关信息:
发现其故事链接包含在dl标签中的a标签中的href属性,
/ertongwenxue/shuiqiangushi/2018-02-25/106432.html,点击后得到完整网址
http://www.tom61.com/ertongwenxue/shuiqiangushi/2018-02-25/106432.html,接下来要做的就是提取出该链接:
模拟浏览器访问网页,利用requests库请求访问
代码实现:
- def getHTMLText(url,headers):
- try:
- r=requests.get(url,headers=headers,timeout=30)
- r.raise_for_status()
- r.encoding=r.apparent_encoding
- #print(r.text)
- return r.text
-
- except:
- return "爬取失败"
简单地使用BeautifulSoup库,解析html页面
找到dl标签的内容后在查找a标签中的内容,将提取的链接与原网页头进行拼接:
- def parsehtml(namelist,urllist,html):
- url='http://www.tom61.com/'
- soup=BeautifulSoup(html,'html.parser')
- t=soup.find('dl',attrs={'class':'txt_box'})
- #print(t)
- i=t.find_all('a')
- #print(i)
- for link in i:
- urllist.append(url+link.get('href'))
- namelist.append(link.get('title'))
得到所有网页链接地址之后,访问该网页
查看网页源代码
重新对该网页进行页面解析,提取出所有p标签中的内容
由于下面需要使用str类型的字符串,因此用.join方法将text列表用换行符进行分割
- def parsehtml2(html):
- text=[]
- soup=BeautifulSoup(html,'html.parser')
- t=soup.find('div',class_='t_news_txt')
- for i in t.findAll('p'):
- text.append(i.text)
- #print(text)
- return "\n".join(text)
将爬取的小故事发送到邮箱
- def sendemail(url,headers):
-
- msg_from='[email protected]' #发送方邮箱
- passwd='' #填入发送方邮箱的授权码
- receivers=[' , '] #收件人邮箱
-
- subject='今日份的睡前小故事' #主题
- html=getHTMLText(url,headers)
- content=parsehtml2(html) #正文
- msg = MIMEText(content)
- msg['Subject'] = subject
- msg['From'] = msg_from
- msg['To'] = ','.join(receivers)
- try:
- s=smtplib.SMTP_SSL("smtp.qq.com",465) #邮件服务器及端口号
- s.login(msg_from, passwd)
- s.sendmail(msg_from, msg['To'].split(','), msg.as_string())
- print("发送成功")
- except:
- print("发送失败")
- finally:
- s.quit()
简单地利用smtp协议通过QQmail发送邮件给目标邮箱,端口号为465,正文内容为爬取的小故事
实现定时发送功能
在windows的环境中,在cmd中输入compmgmt.msc,将该脚本文件加入任务计划程序库,设置运行时间和频率
这样就能实现每晚九点定时发送睡前小故事啦!
完整代码戳:https://github.com/librauee/