`
metallica_1860
  • 浏览: 34032 次
  • 性别: Icon_minigender_1
  • 来自: 天津
社区版块
存档分类
最新评论

python是个什么东西---python---提取页面内容--beautyfulsoup

阅读更多

# coding=utf-8 ##以utf-8编码储存中文字符

# author : junzi

# date : 10_04_20

# 感谢以下website

# http://wiki.ubuntu.org.cn/Python%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E6%93%8D%E4%BD%9C%E6%8C%87%E5%8D%97

# http://www.panopticon.jp/blog/2007/11/182337.html

# http://www.crummy.com/software/BeautifulSoup/documentation.zh.html#Searching%20Within%20the%20Parse%20Tree

# http://doc.chinahtml.com/Manual/Python/tut/tut.html

# http://www.python.jp/doc/2.5/lib/csv-examples.html

# http://hi.baidu.com/daping_zhang/blog/item/09dda71ea9d7d21f4134173e.html

# http://hi.baidu.com/javalang/blog/item/84bac4bf731fb80f18d81fe1.html

# http://www.cnblogs.com/sislcb/archive/2008/12/15/1355481.html

 

from BeautifulSoup import BeautifulSoup

import re

import urllib2

import csv

import sys

 

global writeContent

 

# 处理子页面

def checkSub(suburl):

    # 进入到suburl子页面

    response = urllib2.urlopen(suburl)

    # 加载

    html = response.read()

    # 获得页面内容

    subsoup = BeautifulSoup(html)

    ## 找到

    leftconts = subsoup.findAll("div",{"class":"main_cont"})

    checkTag(leftconts)

    ##次へ

    if hasNext(subsoup):

        suburl = getNext(subsoup)

        print suburl

#        checkSub(suburl)        

 

# 获得[次へ]的地址

def getNext(subsoup):

    leftconts = subsoup.findAll("div",{"class":"left_pager"})[0]

    lis = leftconts.findAll("li")

    nextLi = lis[len(lis)-1]

    if nextLi.findAll("b")!=0:

        result = nextLi.findAll("a")[0]["href"]

        return homepage+"/"+result

 

 

# 是否包含[次へ]

def hasNext(subsoup):

    if len(subsoup.findAll("div",{"class":"left_pager"}))==0:

        return False;

    return True;

 

# 获得需要解析内容标签

# 传入一段html,将解析的数据放到集合中

def checkTag(leftconts):

    for leftcont in leftconts:

        if len(leftcont.findAll("div",{"class":"ul_link_region"}))==0:

            continue

        # 名字

        namae = leftcont.findAll("div",{"class":"dl_area"})[0].dl.dt.a.string.encode('shift-jis')

        print namae

        # 地址

        adoresu = leftcont.findAll("div",{"class":"ul_area"})[0].ul.li.string.encode('shift-jis')

        print adoresu

        # 电话

        tele = leftcont.findAll("span",{"class":"c_g"})[0].string.encode('shift-jis')

        print tele

         # 地1

        jimei = leftcont.findAll("div",{"class":"ul_link_region"})[0].findAll("a")

        genna = jimei[0].string.encode('shift-jis')

        print genna

        # 地2

        shina = jimei[1].string.encode('shift-jis')

        print shina

        # 地3

        machina = jimei[2].string.encode('shift-jis')

        print machina

 

        # 放到集合中

        result = [namae,adoresu,tele,genna,shina,machina]

        writeContent.append(result)

 

        print "==================================="

 

# 写入文件

def writeToFile():

    writer = csv.writer(file('my.csv', 'w')) 

#    writer = csv.writer(file('my.csv', 'wb'))

    writer.writerow(['Column1', 'Column2', 'Column3','Column4', 'Column5', 'Column6'])

    for line in writeContent:

        writer.writerow(line)

 

# !!!!开始!!!!

# 首页

homepage = "http://www.wedding-mnavi.com"

# 获得页面

response = urllib2.urlopen(homepage)

html = response.read()

 

# 创建一个soup对象

soup = BeautifulSoup(html)

# 获得地名链接的div

subplaces = soup.findAll("div",{"class":"gnavi_area"})

temp = subplaces[0]

soupsp = BeautifulSoup(str(temp))

# 获得地名链接

placenamelist=[]

# ******初始化静态集合,用来存放解析好的数据

writeContent=[]

# 从首页中找出一共有total个地区需要解析

total = len(soupsp('a'))

# 开始迭代每一个地区

for i in range(1):

    # 获得每一个地区的地址

    placenamelist.append(homepage+"/"+soupsp.findAll("a",{"href":"address2.php?state="+str(i+1)})[0]['href'])

# 对每一个地区分别解析

for suburl in placenamelist:

    #進め!!!

    checkSub(suburl)

# 写入文件

writeToFile()
 

分享到:
评论

相关推荐

    python-devel-2.7.5-34.el7.x86_64.zip

    `python-devel` 是Python开发环境的一个重要组成部分,主要用于构建Python扩展模块或者C/C++与Python进行交互的项目。在Linux系统中,`python-devel` 包通常包含Python头文件、开发库和其他必要的工具,使得开发人员...

    python-3.12.0-embed-amd64.zip

    Python 3.12.0-embed-amd64.zip 是一个针对64位Windows系统的Python轻量级打包文件,它包含了一些基本的Python运行时组件,使得开发者可以在不安装完整Python环境的情况下运行Python程序。这个压缩包尤其适用于那些...

    python-3.11.0-embed-amd64.zip

    Python 3.11.0-embed-amd64.zip 是一个针对AMD64架构的Python 3.11.0精简版发行包,它包含了一组核心库和运行时支持文件,允许用户在不安装完整Python环境的情况下运行Python程序。这个压缩包特别适合那些需要在没有...

    【python爬虫项目】Python-web-scraping-master

    Python-web-scraping-master是一个使用Python编写的高级网页爬虫项目,旨在帮助用户自动化从网页中提取数据的过程。这个项目不仅适用于初学者,也对有经验的开发者提供了丰富的功能和可扩展性。以下是对该项目的详细...

    Python库 | python-amazon-sp-api-0.7.1.tar.gz

    资源分类:Python库 所属语言:Python 资源全名:python-amazon-sp-api-0.7.1.tar.gz 资源来源:官方 安装方法:https://lanzao.blog.csdn.net/article/details/101784059

    python_docx-0.8.10-py2.py3-none-any.whl

    原来是通过命令行下载的docx安装包还没有完全兼容python3,估计这个安装包还只兼容python 2(python2 和python3差别还是挺大的,虽然现在python 3出来很久了,但是不少三方库还没有更新),因此需要自己找一个兼容的包...

    python-2.7.5 CentOS、redhat可安装

    python-2.7.5-89.el7.x86_64.rpm python-devel-2.7.5-89.el7.x86_64.rpm python-iniparse-0.4-9.el7.noarch.rpm python-libs-2.7.5-89.el7.x86_64.rpm python-pycurl-7.19.0-19.el7.x86_64.rpm python-urlgrabber-...

    python-3.8.0-embed-amd64.zip

    Python 3.8.0-embed-amd64.zip 是一个专门为AMD64架构设计的Python 3.8嵌入式版本的压缩包。这个压缩文件包含了运行Python 3.8程序所需的基本组件,旨在让用户在没有完整安装Python环境的情况下也能执行Python脚本。...

    python-devel-2.7.5-68.el7.x86_64.rpm python-2.7.5-68.el7.x86_64.rpm

    标题中的"python-devel-2.7.5-68.el7.x86_64.rpm"和"python-2.7.5-68.el7.x86_64.rpm"是两个重要的软件包,它们与Python编程语言在Linux环境中的开发和运行紧密相关。这些文件是针对Red Hat Enterprise Linux 7 ...

    python_pcl-0.3-cp36-cp36m-win_amd64.zip

    Python PCL库是一个用于在Python环境中使用Point Cloud Library (PCL) 的接口。PCL是一个开源的、跨平台的C++库,专注于3D点云处理,包括数据获取、过滤、估计、聚类、分割、识别等多个方面。Python PCL库则提供了与...

    python-ldap windows 预编译包

    auth-ldap,但还依赖python_ldap包,在windows上装这些包费老鼻子劲,csdn上找呢又不全,收分还多贵的,因此找到了之后将python3.7-11的包都给大家提供,不好意思挣点分,因为有些时候我也需要去下载东西,有需要的...

    mysql-connector-python-8.0.30-windows-x86-64bit.msi

    mysql-connector-python-8.0.30-windows-x86-64bit.msi

    opencv-python-4.10.0.84-cp37-abi3-win-amd64.whl

    opencv-python-4.10.0.84-cp37-abi3-win-amd64.whl

    python-3.10.11-amd64.exe

    python-3.10.11-amd64.exe

    python-3.13.0-embed-amd64.zip

    python-3.13.0-embed-amd64.zip

    opencv_python-4.2.0.32-cp38-cp38-win32.whl

    opencv_python-4.2.0.32-cp38-cp38-win32.whl 在线cmd命令pip3 install opencv_python 网速过慢也导致出错的问题。 操作方法:将文件下载后拷贝至Anaconda或者python安装目录下的\libs\site-packages文件夹下(没有...

    python-3.10.4-embed-amd64.zip

    python-3.10.4-embed-amd64.zip:Python是一种动态解释型的编程语言。Python可以在Windows、UNIX、macOS等多种操作系统上使用,也可以在Java、.NET框架平台上使用。

    opencv-python-4.8.0.76-cp37-abi3-win-amd64.whl

    opencv-python-4.8.0.76-cp37-abi3-win-amd64.whl

    Python2.7库包&yum库包.zip

    rpm-python-4.11.3-40.el7.x86_64.rpm python-srpm-macros-3-32.el7.noarch.rpm python-setuptools-0.9.8-7.el7.noarch.rpm python-rpm-macros-3-32.el7.noarch.rpm libxml2-python-2.9.1-6.el7_2.3.x86_64.rpm ...

Global site tag (gtag.js) - Google Analytics