当前位置: 首页 > wzjs >正文

网站模板内容怎么改深圳网站制作公司兴田德润官方网站

网站模板内容怎么改,深圳网站制作公司兴田德润官方网站,如何做框架网站,上海做家庭影院的公司网站当我们在爬取数据时,如:古诗网。有时会出现输出内容不全的情况,针对这种问题如何解决? 个人思路:在遍历网页内容时,如果未发现显示全部内容字样,说明该条数据内容完整,则立即输出。…

当我们在爬取数据时,如:古诗网。有时会出现输出内容不全的情况,针对这种问题如何解决?

个人思路:在遍历网页内容时,如果未发现显示全部内容字样,说明该条数据内容完整,则立即输出。若识别到显示全部内容,则表示内容不全。需要click点击事件,跳转成功后获取该页面中我们主要的数据,例如古诗名、作者、古诗内容等。获取全部数据后返回初始页面,继续寻找显示全部内容。如此循环,直到遍历完成。

此处默认已掌握全部相关知识点,只提供代码。欢迎大家探讨。

import time
import random
import pandas as pd
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.edge.service import Service
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from bs4 import BeautifulSoup
options = webdriver.EdgeOptions()
options.add_experimental_option('excludeSwitches', ['enable-automation'])
options.add_experimental_option('useAutomationExtension', False)
options = webdriver.EdgeOptions()
options.add_experimental_option('excludeSwitches', ['enable-automation'])
options.add_experimental_option('useAutomationExtension', False)# 加载当前浏览器驱动.exe.sh
edgeDriver = Service("../drivera/msedgedriver.exe")# 实例化当前的浏览器对象
browser = webdriver.Edge(service=edgeDriver, options=options)# 设置浏览器超时
wait = WebDriverWait(browser, 10)browser.execute_cdp_cmd('Page.addScriptToEvaluateOnNewDocument', {'source': 'Object.defineProperty(navigator, "webdriver", {get: () => undefined})'
})
# 数据容器
poem_data = []
count = 1url = "https://www.shicimingju.com/chaxun/zuozhe/46.html"
browser.get(url)
time.sleep(2)# 获取所有诗词链接
more_links = browser.find_elements(By.CLASS_NAME, 'more')
total_links = len(more_links)
print(f"第一页找到 {total_links} 个诗词链接")# 循环处理每个链接
for i, link in enumerate(more_links):try:print(f"\n--- 处理第 {count}/{total_links} 个链接 ---")# 滚动并点击链接browser.execute_script("arguments[0].scrollIntoView();", link)time.sleep(1)link.click()time.sleep(2)title = WebDriverWait(browser, 10).until(EC.presence_of_element_located((By.CSS_SELECTOR, "h1"))).text.strip()author_elem = browser.find_elements(By.CSS_SELECTOR, "div.source, .name")author = "未知作者"if author_elem:author = author_elem[0].text.strip()author = author.split("·")[-1] if "·" in author else author# 提取内容content_elem = WebDriverWait(browser, 10).until(EC.presence_of_element_located((By.CLASS_NAME, "text")))soup = BeautifulSoup(content_elem.get_attribute('innerHTML'), "html.parser")content = soup.get_text().strip()# 清理内容exclude = ["注释", "赏析", "作品赏析"]content = "\n".join([line for line in content.split("\n") if not any(x in line for x in exclude)])# 保存数据poem_data.append({"序号": count,"标题": title,"作者": author,"内容": content})print("=" * 50)print(f"【{title}】 - {author} \n{content}")count += 1# 返回上一页browser.back()time.sleep(1)finally:pass
#
# # 保存到Excel
# if poem_data:
#     pd.DataFrame(poem_data).to_excel("陆游诗词_简化版.xlsx", index=False)
#     print(f"\n成功保存 {len(poem_data)} 条数据")
#
# browser.quit()

http://www.dtcms.com/wzjs/539839.html

相关文章:

  • 本地镇江网站建设罗村网站建设公司
  • 企业网站 优帮云文库网站开发
  • 网站制作报价图片欣赏wordpress怎么修改logo
  • 在哪里建设网站展览设计
  • PHP做的哪些大型网站郑州餐饮网站建设公司
  • 网络营销网站推广的基本策略wordpress grace7 破解
  • 建网站的设备华为网络工程师认证培训
  • 黄石做企业网站个人app定制
  • 网站内容规划html编辑器安卓版手机版软件
  • 个人电影网站建设收益学校网站开发模式
  • 网站设计方案怎么写电子商务网站建设有管理课后答案
  • 企业建设网站专业服务桂林有哪些做网站的电话
  • 为什么无法再社保网站上做减员阿里巴巴做网站费用
  • 租用了空间 怎样上传网站程序厦门定制网站建设
  • vue 直播网站开发表格布局网站
  • 站长工具seo优化建议龙岩市住房和城乡建设局网站
  • 门户网站 布局广东人才网
  • 上传到网站的根目录中现在最新技术有哪些
  • 家电网站设计如何建设一个电子商务网站
  • 本溪网站制作学校网站建设用哪个系统
  • 成都网站搜索优化济南做网站费用
  • 大淘客网站免费空间查询注册公司
  • 南山网站建设 信科网络公司网站建设征稿令
  • 网络营销方式主要有哪些网站优化建设河南
  • 英文版网站案例运营推广
  • 国外 设计公司手机网站php网站开发过程
  • 做网站 接活网站建设的常用软件有哪些
  • 找谁做公司网站wordpress媒体库管理
  • 领地免费网站论坛类型的网站怎么做
  • 网站搜索工具做网站运营的女生多吗