2019-09-20 python爬虫

2019-11-08  本文已影响0人  大树_20e9

import requests# 导入requests包

import re

from bs4import BeautifulSoup

headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'}

# 中国旅游网

url ='http://www.cntour.cn/'

strhtml = requests.get(url,headers=headers)

# 用lxml解析

soup = BeautifulSoup(strhtml.text, 'lxml')

# 抓取select的内容

data = soup.select('#main > div > div.mtop.firstMod.clearfix > div.centerBox > ul.newsList > li > a')

for itemin data:

result = {

'title': item.get_text(),

        'link': item.get('href'),

        # 正则去ID数字

        'ID':re.findall('\d+',item.get('href'))

}

print(result)

上一篇 下一篇

猜你喜欢

热点阅读