爬虫第一弹之情人节前夕

最近学了点python，想写个爬虫玩玩，刚好遇到情人节

时间：2018.5.19
地点：208教室
工具：Chrome、阿里云服务器

先来列举下要爬取的内容

（1）爬取天气
（2）爬取文章
（3）爬取句子

爬取天气

# -*-coding:utf-8 -*-import requestsfrom pyquery import PyQuery as pqdef get_response(url):
    headers = {        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecho) Chrome/67.0.3396.10 Safari/537.36'
    }
    res = requests.get(url,headers=headers)
    res.encoding = 'utf-8'
    return resdef get_weather(doc):
    wea = doc('li.sky.skyid.lv3.on').text()
    one = doc('.hide.show > .clearfix > li.li1').text()
    two = doc('.hide.show > .clearfix > li.li2').text()
    three = doc('.hide.show > .clearfix > li.li3').text()
    four = doc('.hide.show > .clearfix > li.li6').text()
    print(wea,'\n')
    print(one,'\n')
    print(two,'\n')
    print(three,'\n')
    print(four,'\n')if __name__ == '__main__':
    url = 'http://www.weather.com.cn/weather/101120206.shtml'
    res = get_response(url)
    doc = pq(res.text)
    get_weather(doc)

运行结果如下：

19日（今天）
阵雨
14℃
4-5级 

弱 紫外线指数
辐射较弱，涂擦SPF12-15、PA+护肤品。 

减肥指数
风雨相伴，坚持室内运动吧。 

较冷 穿衣指数
建议着厚外套加毛衣等服装。 

良 空气污染扩散指数
气象条件有利于空气污染物扩散。

获取文章链接

# -*-coding:utf-8 -*-import requestsfrom pyquery import PyQuery as pq   

def get_response(url):
    headers = {        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecho) Chrome/67.0.3396.10 Safari/537.36'
    }
    res = requests.get(url,headers=headers)
    res.encoding = 'utf-8'
    return resdef get_article(doc):
    items = doc('.list-base-article a').items()             #---①
    for item in items:
        href = item.attr('href')                        #---②
        string = 'https://www.duanwenxue.com' + href    #---③
        with open('article.txt','a') as f:              #---④
            f.write(string + '\n')
        print(string)if __name__ == '__main__':
    page_num = 1
    url = 'https://www.duanwenxue.com/jingdian/lizhi/list_{}.html'
    while page_num < 8:
        res = get_response(url.format(page_num))   #---⑤
        doc = pq(res.text)
        get_article(doc)
        page_num = page_num + 1

知识点总结：

①：pyquery的选择结果可能是多个节点，类型都是PyQuery类型，它不会返回一个列表，调用items()方法会得到一个生成器，遍历一下，就可以得到每个节点了。

②：用attr()方法获取属性值

③：string为拼接后的完整URL，可进一步获取文章内容

③：以追加的方式（'a'）写入文件,不然会覆盖掉原来的内容

④：手动翻页发现URL中最后的数字代表页数。使用format()格式化字符串，用来替换掉字符串中的占位符‘{}’，以达到翻页的效果。

爬取句子

import requestsfrom pyquery import PyQuery as pqdef get_response(url):
    headers = {        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecho) Chrome/67.0.3396.10 Safari/537.36'
    }
    res = requests.get(url,headers=headers)    return resdef get_article(doc):
    items = doc('.list-short-article p a').items()    for item in items:
        content = item.text()        with open('letters.txt','a') as f:
            f.write(content + '\n')
        print(content)if __name__ == '__main__':
    page_num = 1
    url = 'https://www.duanwenxue.com/duanwen/lizhi/list_{}.html'
    while page_num < 8:
        res = get_response(url.format(page_num))
        doc = pq(res.text)
        get_article(doc)
        page_num = page_num + 1

随机选取一篇文章

# -*- coding:utf-8-*-import linecacheimport random

a = random.randrange(1,99)
print(a)
theline = linecache.getline(r'letters_text.txt',a)
print(theline)

python发送QQ邮件

# -*- coding:utf-8 -*-from email.mime.text import MIMETextfrom email.header import Headerfrom smtplib import SMTP_SSLimport linecacheimport randomdef send_masseger():
    host_server = 'smtp.qq.com'
    sender_qq = '1394604132'
    pwd = '***********'
    sender_qq_mail = '**********@qq.com'
    receiver = '**********@qq.com'
    mail_content = "Hello World!"
    mail_title = 'The Mail from ***'
    smtp = SMTP_SSL(host_server)
    smtp.set_debuglevel(1)
    smtp.ehlo(host_server)
    smtp.login(sender_qq,pwd)
    msg = MIMEText(mail_content,'plain','utf-8')
    msg['Subject'] = Header(mail_title,'utf-8')
    msg['From'] = sender_qq_mail
    msg['To'] = receiver
    smtp.sendmail(sender_qq_mail,receiver,msg.as_string())
    smtp.quit()    
if __name__ == '__main__':
    send_masseger()

python发送邮件代码参照：https://zhuanlan.zhihu.com/p/25565454

终于搞完了，先发给自己试一下~

mail.jpg

其实现在已经是5.20了，那个天气网上的天气还没更新，所以显示的还是昨天的天气 ~ 文章链接和句子是事先爬好存储起来，随机抽取的

代码如下：

# -*- coding:utf-8 -*-from email.mime.text import MIMETextfrom email.header import Headerfrom smtplib import SMTP_SSLimport linecacheimport randomimport datetimeimport requestsfrom pyquery import PyQuery as pqimport sys
reload(sys)
sys.setdefaultencoding('utf-8')def get_time():
    start = datetime.datetime(2017,5,20)
    now = datetime.datetime.now()
    time = now - start    return str(time)def send_masseger(content):
    host_server = 'smtp.qq.com'
    sender_qq = '1394604132'
    pwd = 'jzqwgplfatpggcic'
    sender_qq_mail = 'zhanghe0309@qq.com'
    receiver = '1270090178@qq.com'
    mail_content = content
    mail_title = 'The Mail from lover'
    smtp = SMTP_SSL(host_server)
    smtp.set_debuglevel(1)
    smtp.ehlo(host_server)
    smtp.login(sender_qq,pwd)
    msg = MIMEText(mail_content,'plain','utf-8')
    msg['Subject'] = Header(mail_title,'utf-8')
    msg['From'] = sender_qq_mail
    msg['To'] = receiver
    smtp.sendmail(sender_qq_mail,receiver,msg.as_string())
    smtp.quit()    
if __name__ == '__main__':
    res = requests.get('http://www.weather.com.cn/weather/101120206.shtml')   
    res.encoding = 'utf-8'
    doc = pq(res.text)
    wea = doc('li.sky.skyid.lv3.on').text()
    one = doc('.hide.show > .clearfix > li.li1').text()
    two = doc('.hide.show > .clearfix > li.li2').text()
    three = doc('.hide.show > .clearfix >li.li3').text()
    four = doc('.hide.show > .clearfix >li.li6').text()

    a = random.randrange(1,350)
    b = random.randrange(1,100)
    theline1 = linecache.getline(r'article.txt',a)
    theline2 = linecache.getline(r'letters_text.txt',b)
    article = wea + '\n\n' + one + '\n\n'+ two + '\n\n' + three + '\n\n' + four + '\n\n' + '来自小哥哥的文章推荐:' + '\n' + theline1 + '\n' + theline2 + '\n' + '爱你的日子：' +  get_time()
    send_masseger(article)

PS:

地点：7#409
时间：2018.5.20 0:53
好困，睡了睡了
YZ，等我的邮件呦~

作者：莫比乌斯的小纸带
链接：https://www.jianshu.com/p/1bf2df029c50