javascript - Python逐行读取txt中的url文件并进行爬虫
程序员文章站
2022-04-13 23:16:49
...
毕设项目需要爬取coursera的课程数据,已经把所有课程的url链接爬下来了,存在了txt中,一行是一个课程的url,现在想要获取每门课程的详细信息,如instructor,syllabus 和detail information这几项,但是都需要点进各个课程的网页链接中取爬取。码渣求大神指导一下,来段伪码就更好啦!thx
回复内容:
毕设项目需要爬取coursera的课程数据,已经把所有课程的url链接爬下来了,存在了txt中,一行是一个课程的url,现在想要获取每门课程的详细信息,如instructor,syllabus 和detail information这几项,但是都需要点进各个课程的网页链接中取爬取。码渣求大神指导一下,来段伪码就更好啦!thx
你好!不知道这是不是你想要的答案:
f = open("coursera.txt","r")
urlList = f.readlines()
for url in urlList:
r = requests.get(url)
''''''
Good Luck ! ^_
如果是爬取coursera的课程数据
,建议你用scrapy爬取,这样不需要提前抓取所有课程的url,只要写好匹配url就行。
scrapy教程 http://scrapy-chs.readthedocs.org/zh_CN/0.24/intro/tutorial.html
项目参考 https://github.com/Junnplus/OnlineJudgeCrawlerCore
上一篇: php逐行读取txt并导入数据库