Python爬虫,用第三方库解决下载网页中文本的问题

  1. 云栖社区>
  2. 博客>
  3. 正文

Python爬虫,用第三方库解决下载网页中文本的问题

云飞学编程 2018-06-26 09:39:25 浏览972
展开阅读全文

Python爬虫,用第三方库解决下载网页中文本的问题

还在辛辛苦苦的查找网页规律,写正则或者其他方式去匹配文本内容吗?还在纠结怎么去除小说网站的其他字符吗?

先来看看下面2张图,都是某小说网站的小说内容

Python爬虫,用第三方库解决下载网页中文本的问题

Python爬虫,用第三方库解决下载网页中文本的问题

怎么样,是不是很简洁!这就是今天给大家介绍的库,newspaper库!

newspaper

python3.x安装: pip install newspaper3k

python2.7安装: pip install newspaper

简单的给大家说说它的功能:

首先是获取网页所有url的功能,我们以sina新闻为例子,写代码如下:

python直播学习群542110741

看,这就把新浪新闻主页的所有url链接抓到了,是不是很快捷!(当然结果还是需要各种筛选)

提取网页所有文本内容,这次我们随便找个新闻来试试!

Python爬虫,用第三方库解决下载网页中文本的问题

是不是很方便~!!而且这个对小说网站依然有效(还记得开始的图吗?)!!大家可以去试试。

当然,这个库还有其他很多的功能,这里就不一一说明了,大家可以自行去摸索哦!

最后

这是一个非常不错的库,适合用来写爬虫,如有不懂的地方我在评论区等着你,关注一下,与你共享更多有用的知识。大家加油!

参考来源:https://github.com/codelucas/newspaper

网友评论

登录后评论
0/500
评论
云飞学编程
+ 关注