pythonは古詩文のウェブサイトの詩文の欄のすべての詩詞を登ります

前に書く
かつて、私达はすべて梦があって、文学について、爱情について、1度の世界を通り抜ける旅行について
巻一
先日、古詩文サイトを発見し、至宝を手に入れたかのように、一時の私念に駆られて、その中の詩文の欄の文章を全部登ってきた.この一文を記す.
巻2
全体の過程を盗んだように、筋道がはっきりしていて、速戦速決です.詳しく聞いてください.

まず詩文欄のすべてのラベルのURLを取得し、その後ラベルに入り、すべての詩文詳細ページのURL

を取得する.

各詳細ページの詳細、好きな情報を参照してください.例えば、テーマ、著者、内容

取得した情報をデータベースに保存する

.
巻三
有用なパッケージのインポート

#   
import requests
#      
from lxml import etree
#       ，           ，    
from write_database import Write_databases

クラスのコンストラクタ

class GuShiWen():
    def __init__(self):
        self.main_url = 'https://www.gushiwen.org/'
        self.headers = {
            'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
        }
        self.bash_url = 'https://so.gushiwen.org/'
        #      
        self.database = Write_databases()

まず、詩文欄のすべてのラベルのURLを取得します.

    def get_all_shiw_urls(self):
        res = requests.get(self.main_url,headers=self.headers)
        html = etree.HTML(res.text)
        sons_div_lists = html.xpath(".//div[@class='sons'][1]/div[@class='cont']/a")[:-2]
        for a_info in sons_div_lists:
            a_href = a_info.xpath('./@href')[0]
            a_text = a_info.xpath('./text()')
            self.get_all_content_urls(a_href)

ラベル内のすべての詩文のurlを取得し、使用可能なURLとして構築します.

    def get_all_content_urls(self,urls):
        text_html = requests.get(urls,headers=self.headers)
        html = etree.HTML(text_html.text)
        text_title = html.xpath('.//div[@class="title"][1]/h1/text()')
        text_dev = html.xpath('.//div[@class="sons"][1]/div')
        for item in text_dev:
            text_span = item.xpath('./span')
            for span_item in text_span:
                try:
                    text_a_href = span_item.xpath('./a/@href')[0]
                    text_a_text = span_item.xpath('.//text()')
                except:
                    continue
                self.get_poetry(self.bash_url + text_a_href)

詩文の詳細を抽出し、データベースに書き込む

    def get_poetry(self,url):
        poetry_html = requests.get(url,headers=self.headers)
        html = etree.HTML(poetry_html.text)
        poetry_div = html.xpath('.//div[@class="sons"]/div')[0]
        poetry_title = poetry_div.xpath('./h1/text()')[0]
        poetry_author = poetry_div.xpath('./p//text()')
        poetry_author = " ".join(poetry_author)
        poetry_cont = poetry_div.xpath('./div[2]//text()')
        poetry_cont = " ".join(poetry_cont)
        print("====="*10+'===='+'===')
        print(poetry_title)
        print(poetry_author)
        print(poetry_cont)
        self.write_database(poetry_title,poetry_author,poetry_cont)

    def write_database(self,title,author,cont):
        self.database.insert_data(title,author,cont)

最後にmain関数

def main():
    gusw = GuShiWen()
    gusw.get_all_shiw_urls()

巻四
データベースクラスを実現して、主に含む機能は、データベースを接続して、登った情報をデータベースに書き込んで、ランダムにデータベースの中のある詩詞の情報を読み出して、データベースを閉じます

import pymysql
import random

class Write_databases():
    def __init__(self):
        self.db = pymysql.connect(
            host = '127.0.0.1',
            user = 'root',
            password = 'root',
            database = 'gushiw',
            port = 3306
        )
        self.cursor = self.db.cursor()

    def insert_data(self,title,author,cont):
        sql = '''
            insert into gushiw_table(id,poetry_title,poetry_author,poetry_cont)
            values(null,%s,%s,%s)
        '''
        self.cursor.execute(sql,(title,author,cont))
        self.db.commit()
    def read_data(self):
        id = random.randint(127,4017)
        print(id)
        sql = 'select * from gushiw_table where id = %s'

        value = self.cursor.execute(sql,(id,))

        value = self.cursor.fetchall()
        print(value)
        title = value[0][1]
        author = value[0][2]
        cont = value[0][3]
        print(title,author,cont)
    def close_databases(self):
        self.db.close()

続きを待たずにソフトウェアを書き、データベースの詩文をランダムに読み出し、表示します.