Python---實驗九

1、使用標準庫urllib爬取“http://news.pdsu.edu.cn/info/1005/31269.htm”平頂山學院新聞網上的圖片，要求:保存到F盤pic目錄中，文件名稱命名規則爲“本人姓名”+ “_圖片編號”，如姓名爲張三的第一張圖片命名爲“張三_1.jpg”。

from re import findall
from urllib.request import urlopen

url = 'http://news.pdsu.edu.cn/info/1005/31269.htm'
with urlopen(url) as fp:
    content=fp.read().decode('utf-8')

pattern = '<img width="500" src="(.+?)"'
#查找所有圖片鏈接地址
result = findall(pattern, content)  #捕獲分組
#逐個讀取圖片數據，並寫入本地文件
path='f:/pic/'
name="煙雨"
for index, item in enumerate(result):
    picture = 'http://news.pdsu.edu.cn/' + item
    with urlopen(str(picture)) as fp:
        with open(path+name+'_'+str(index+1)+'.png','wb') as fp1: #這裏因爲是從1開始，這裏注意下
            fp1.write(fp.read())

效果圖如下：

2、採用scrapy爬蟲框架，抓取平頂山學院新聞網（http://news.pdsu.edu.cn/）站上的內容，具體要求：抓取新聞欄目，將結果寫入lm.txt。

cmd打開之後就別關了
scrapy startproject wsqwsq爲項目名
cd wsq
scrapy genspider lm news.pdsu.edu.cnlm爲爬蟲名稱，pdsu.edu.cn爲爬取起始位置

分析：編寫正確的正則表達式篩選信息
由關鍵信息：<h2 class="fl">媒體平院</h2>
篩選其正則表達式如下：soup.find_all('h2', class_='fl')
找到lm.py也就是上面創建的爬蟲
編輯：將下面代碼負責粘貼下
pip install beautifulsoup4
pip install scrapy
倆第三方庫要安裝下

# -*- coding: utf-8 -*-
import scrapy
from bs4 import BeautifulSoup
import re 

class LmmSpider(scrapy.Spider):
    name = 'lmm'
    allowed_domains = ['pdsu.cn']
    start_urls = ['http://news.pdsu.edu.cn/']

    def parse(self, response):
        html_doc=response.text
        soup= BeautifulSoup(html_doc, 'html.parser')         
        re=soup.find_all('h2', class_='fl')
        content=''
        for lm in re:
            print(lm.text)
            content+=lm.text+'\n'
        with open('f:\\lm.txt', 'a+') as fp:
           fp.writelines(content)#保存路徑可變

scrapy crawl lmlm爲爬蟲名稱
效果圖如下：

3、採用request爬蟲模塊，抓取平頂山學院網絡教學平臺上的Python語言及應用課程上的每一章標題（http://mooc1.chaoxing.com/course/206046270.html）。

cmd打開之後就別關了
scrapy startproject yyyy爲項目名
cd yy
scrapy genspider beyond news.mooc1.chaoxing.com/course/206046270.htmlbeyond爲爬蟲名稱，mooc1.chaoxing.com/course/206046270.html爲爬取起始位置

分析：編寫正確的正則表達式篩選信息
由關鍵信息：<div class="f16 chapterText">第一章 python概述</div>
篩選其正則表達式如下：soup.findAll('div',class_='f16 chapterText')
找到beyond.py也就是上面創建的爬蟲
編輯：將下面代碼負責粘貼下

# -*- coding: utf-8 -*-
import scrapy
import re 
import requests
import bs4

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.146 Safari/537.36'
}

url='http://mooc1.chaoxing.com/course/206046270.html'
response = requests.get(url,headers=headers).text
soup = bs4.BeautifulSoup(response,'html.parser')
t=soup.findAll('div',class_='f16 chapterText')
for ml in t:
    print (ml.text)

效果圖如下：