时间戳

首页 > 解决方案 > 使用python在网站上的文章中搜索关键词

python - 使用python在网站上的文章中搜索关键词

问题描述

我刚加入你们，距离开始学习python已经1个月了。我想用 Python ( http://aeconf.com/may2013.htm ) 从这个站点搜索关键字。

通常我手动单击视图摘要并在“关键字：”之后搜索单词。如何使用 python 自动执行此操作？我很抱歉我的英语不好:(

标签： pythonarticle

解决方案

你应该看看Selenium

pip install selenium

我提供了一个示例代码，您应该对此进行测试。

示例代码：

from selenium import webdriver
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
from selenium.webdriver.common.by import By
from selenium.common.exceptions import NoSuchElementException


caps = DesiredCapabilities().CHROME
caps["pageLoadStrategy"] = "normal"  
driver = webdriver.Chrome(desired_capabilities=caps, executable_path=r'C:\Users\My-PC-Name\AppData\Local\Programs\Python\Python37-32\Scripts\chromedriver.exe')


url = "http://aeconf.com/may2000.htm" #Link
driver.get(url)
links = [x.get_attribute('href') for x in driver.find_elements_by_link_text('View Abstract')]
htmls = []

for link in links:
   driver.get(link)
   Keyword = [y.text for y in driver.find_elements_by_xpath("//font[2]/span[@style = 'mso-bidi-font-size: 1.0pt']")]
   if not Keyword: #If link is a dead link
     continue
   print(Keyword[0])
   htmls.append(driver.page_source)

在此示例中，我将 url 更改为http://aeconf.com/may2000.htm我提供的代码主要获得了您需要的“关键字”，但在某些情况下，“关键字”的索引位置会根据在上述网址中的链接上。

“更改”链接的输出：

Fiscal decentralization; Corruption; Tax evasion.
Incentive mechanism design; Walrasian allocations; Implementation.
Debt and equity flows; Asymmetric information; Bankruptcy cost; Market failures; 
Corrective taxation.
Transitory volatility; Price formation; Exogenous liquidity demand.
Investment horizon; Beta; Size; Book-to-market equity; CAPM.
G11, G13.                         #At This part you can see that the 'Key Words' printed are not correct
Portfolio constraints; Stochastic income; Relaxation-projection methods.
Foreign aid; Foreign borrowing; Capital accumulation.
Entrepreneurial ability; Asymmetric information; Liquidity constraints.
Contract; Human capital; Labor.
Endogenous structure of the division of labor; Dual economy; Endogenous trade policy regime.

如果我们将示例代码中的“url”变量更改为您的原始链接，那么即使第一个链接是死链接，索引位置也会发生更改的情况更多。作为一个挑战，我会让你自己弄清楚 :-) 还有更多的模块可以像 Selenium 一样做同样的事情。希望这能让您对浏览器自动化、Web Scraping 等（Web Crawler 等）产生更多兴趣。

只是提示（可能不是提示） 您只需更改“关键字”变量的索引位置即可获得所需的“关键字”。

推荐阅读