并保存在Excel中(1)"/>
pycharm中python爬取知网论文信息并保存在Excel中(1)
#C:\Users\Dell\PycharmProjects\scratch_one\20200208_paper.xlsx最终输出文件的地址import requests
from bs4 import BeautifulSoup
from openpyxl import workbook # 写入Excel表所用
#from openpyxl import load_workbook # 读取Excel表所用if __name__=="__main__":# 创建Excel表并写入数据ws = [] # 全局工作表对象wb = workbook.Workbook() # 创建Excel对象ws = wb.active # 获取当前正在操作的表对象ws.append(['标题名', '链接地址', '摘要', '单位—类型—年份—下载次数-被引次数']) # 往表中写入标题行,以列表形式写入!keywords=input("请输入") #查询的主题 ,引号内容根据需要修改target='.aspx?q='+str(keywords)+'&rank=relevant&cluster=all&val=CJFDTOTAL&p={}'user_agent = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36'headers = {'User-Agent':user_agent}for i in range(10):i=i*15 #每页有15篇论文target=target.format(i) #翻页,是在p={}中修改页数链接req=requests.get(url=target)html=req.texthtml=html.replace('<br>',' ').replace('<br/>',' ').replace('/>','>')bf=BeautifulSoup(html,"html.parser")texts=bf.find('div',class_='articles')#查看页面对应的审查元素,标签为articlestexts_div=texts.find_all('div',class_='wz_content')#查看页面对应的审查元素for item in texts_div:item_name=item.find('a').text #标题item_href=item.find('a')['href']#链接网址item_abstract = item.find('span', class_='text').text#摘要item_refer = item.find('span', class_='year-count').text#发表单位、发表类型、发表年份、下载次数_引用次数ws.append([item_name,item_href,item_abstract,item_refer]) #向表格中添加需要的信息wb.save('20200208_paper.xlsx')print("ok")
更多推荐
pycharm中python爬取知网论文信息并保存在Excel中(1)
发布评论