本文共 879 字,大约阅读时间需要 2 分钟。
项目来源:4天前的码市上的一个小项目
网站解析:import requestsimport parselurl = 'http://epaper.qjrb.cn/html/2021-06/09/node_2.htm'r = requests.get(url)r.encoding = 'utf-8'html_data = r.textselector = parsel.Selector(html_data)#抓取标题,在类class="default1"中的
抓取标题,在类class="default1"中的<a标签里面。
import requestsimport rer = requests.get('http://epaper.qjrb.cn/html/2021-06/09/node_2.htm')txt = r.textpattern = re.compile(r'content[^\s]*.htm')urllist = re.findall(pattern, txt)print(urllist)如上图所示,单个新闻的URL实际上就是把主网页的URL的node_2换成content_189543(对应的内容url)
#主页面的URLurl = 'http://epaper.qjrb.cn/html/2021-06/09/node_2.htm'
#单个新闻的URLurl = http://epaper.qjrb.cn/html/2021-06/09/content_189543.htm
这是一个小项目,对方要求其实也是比较简单,给刚接触爬虫的人来说,是个不错的练习机会。但是实际上,找个靠谱的接单外包的平台是非常不容易的;当你学习的时候,还是先重点是打好基础,如果真的想做爬虫可以找个公司,去实际的应用自己的知识,也锻炼一下自己的能力。这样锻炼的同时也是在积累自己的资源,这样才能去找到外包的资源。
同时维护自己的渠道也是在这个过程中值得注意的。转载地址:http://yqoxi.baihongyu.com/