要使用Python进行网页抓取,您可以使用第三方库requests和BeautifulSoup。以下是一个简单的示例,说明如何抓取文章标题和链接:
pip install requests beautifulsoup4
article_scraper.py
的Python文件,并在其中编写以下代码:import requests
from bs4 import BeautifulSoup
def fetch_article_titles_and_links(url):
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
article_titles_and_links = []
for article in soup.find_all('article'):
title = article.find('h2').text.strip()
link = article.find('a')['href']
# 如果链接是相对路径,将其转换为绝对路径
if not link.startswith('http'):
link = requests.compat.urljoin(url, link)
article_titles_and_links.append((title, link))
return article_titles_and_links
if __name__ == '__main__':
url = 'https://example.com/articles' # 更改为您要抓取的文章网站的URL
titles_and_links = fetch_article_titles_and_links(url)
for title, link in titles_and_links:
print(f'Title: {title}\nLink: {link}\n')
在代码中替换https://example.com/articles
为您要抓取的文章网站的URL。请注意,此示例适用于具有文章标题和链接在<article>
标签内的网站。如果网站的HTML结构不同,您可能需要相应地修改代码。
运行Python脚本:
python article_scraper.py
这将输出文章的标题和链接。根据实际需求,您可以使用正则表达式或其他方法提取更多文章信息。