(python爬取知乎文章)(python知乎爬取教程)

这里我们利用强大的python爬虫来爬取一篇文章。仅仅做一个示范，更高级的用法还要大家自己实践。

好了，这里就不啰嗦了，找到一篇文章的url地址：http://www.duanwenxue.com/article/673911.html

（注意，有一些网站会做一些反爬处理，关于这些网站的爬取会在近期的文章中说明）

这是一篇散文，）

但在解码是要decode（’GB18030‘），

具体说明：http://www.cnblogs.com/jjj-fly/p/6696523.html

下面开始实现代码：

(开发python入门教程)(开发python入门教程)

#coding=GB18030

import urllib.request

from bs4 import BeautifulSoup

import re

url="http://www.duanwenxue.com/article/673911.html"

a=urllib.request.urlopen(url)

htmlstr=a.read().decode('GB18030')

soup=BeautifulSoup(htmlstr,'html.parser')

y=re.compile(r'<p>([\s\S]*?)</p>')

text=y.findall(str(soup)) #第一次正则表达式筛选所有<p></p>中的内容

x=''

print(len(text))

for i in range(0,len(text)):

(python 网格交易)(python网格交易教程)

x=x+text[i]

text1=re.sub("</?\w+[^>]*>",'',x) #去掉html标签

text2=text1.replace("。",'。\n\n\0\0') #让文本更好看

print(text2)

输出结果

主编曾经是全栈工程师，有5年的编程开发经验，主修p -ython，目前正转行做p-ython编程老师，想学习爬v虫，数据分析，自动化办公，机器学习，人工智能的小伙伴可以点个关注

资料截图如下：

资料截图如下：

学会python创造价值