如何建立公司微信平台并优化绍兴地区的网站SEO？

建立公司微信平台 网站平台,绍兴seo外包,铜山区建设局局网站,音乐网站建设程序爬取研究中心的书目 现在#xff0c;想要把如下网站中的书目信息爬取出来。 案例一 耶鲁 Publications | Yale Law School 分析网页#xff0c;如下图所示#xff0c;需要爬取的页面#xff0c;标签信息是“p”#xff0c;所以用 itemssoup.find_all(p想要把如下网站中的书目信息爬取出来。 案例一 耶鲁 Publications | Yale Law School 分析网页如下图所示需要爬取的页面标签信息是“p”所以用 itemssoup.find_all(p) 代码如下 import requests from bs4 import BeautifulSoup as bs from openpyxl import Workbookurlhttps://law.yale.edu/china-center/publications/recent-staff-publicationswebfilerequests.get(url) webfile.encodingutf-8 datawebfile.textsoupbs(data,html.parser) soup.prettify()itemssoup.find_all(p) for i in items:print(i.get_text()) 完善代码如下 import requests from bs4 import BeautifulSoup as bs from openpyxl import Workbook import rewbWorkbook() wswb.activewfileopen(bool.txt,w,encodingutf-8)urlhttps://law.yale.edu/china-center/publications/recent-staff-publicationswebfilerequests.get(url) webfile.encodingutf-8 datawebfile.textsoupbs(data,html.parser) soup.prettify()itemssoup.find_all(p)# 正则表达式匹配模式 pattern1 r([^,\n“]), “([^”]),”\s*([^,\n]) pattern2 r([^,](?: and [^,])*), “([^”]),” 正则表达式匹配模式([^,](?: and [^,])*)匹配作者名。这个模式匹配一个或多个名字由“and”连接。[^,]匹配一个或多个非逗号字符(?: and [^,])*是一个非捕获组匹配零个或多个“and”后跟一个或多个非逗号字符的模式。 “([^”]),”匹配文章名。这个模式匹配引号内的任何字符直到遇到闭合的引号和逗号。([^,\n“])匹配作者名。这个模式匹配一个或多个非逗号、换行符和左引号的字符序列。[^,\n“]是一个字符集表示匹配除了逗号、换行符和左引号之外的任何字符。表示匹配一个或多个这样的字符。 “([^”]),”匹配文章名。这个模式匹配以左引号开始以右引号结束的任何字符序列并且确保文章名后面跟着一个逗号。 ([^,\n])匹配期刊名。这个模式匹配一个或多个非逗号和换行符的字符序列。for i in items:infoi.get_text()# 查找所有匹配项matches re.findall(pattern1, info)if len(matches)0:print(matches)for m in matches:print(m,sep,,filewfile)wfile.close() 将txt文本导入excel即可。原因在于正则表达式中得到的列表中的信息有的似乎是tuptle类型导致openpyxl无法输入xlsx表格中。所以采用了txt文本方式。 基于以上出现的情况再次优化代码如下 import requests from bs4 import BeautifulSoup as bs from openpyxl import Workbook import rewbWorkbook() wswb.activewfileopen(bool.txt,w,encodingutf-8)urlhttps://law.yale.edu/china-center/publications/recent-staff-publicationswebfilerequests.get(url) webfile.encodingutf-8 datawebfile.textsoupbs(data,html.parser) soup.prettify()itemssoup.find_all(p)# 正则表达式匹配模式 pattern1 r([^\n“]), “([^”]),”\s*([^,\n]) #作者和文章名和期刊名用括号将三者区分 pattern2 r([^\n“]), “([^”]),”\s*([^,\n][)]) #parttern1缺少了最后的右括号在这里补充上。[]表示可供选择。for i in items:infoi.get_text()# 查找所有匹配项matches re.findall(pattern2, info)if len(matches)0:print(matches)for m in matches:mlist[]#将元组的元素放到列表中这样可以把列表的字符串输出到xlsx中for k in m:mlist.append(k)print(k,sep,,end;,filewfile)print(\n,filewfile) ## print(type(k))ws.append(mlist)## print(m,sep,,filewfile)#注意m是元组而不是字符串#print(type(m))wfile.close() wb.save(book2.xlsx) 首先是完善了正则表达式 正则表达式匹配模式 [^,]匹配一个或多个非逗号字符 (?: and [^,])*是一个非捕获组匹配零个或多个“and”后跟一个或多个非逗号字符的模式。 ([^\n“])匹配作者名。这个模式匹配一个或多个非换行符和左引号的字符序列。 “([^”]),”匹配文章名。这个模式匹配引号内的任何字符直到遇到闭合的引号和逗号。 [^,\n“]是一个字符集表示匹配除了逗号、换行符和左引号之外的任何字符。表示匹配一个或多个这样的字符。 “([^”]),”匹配文章名。这个模式匹配以左引号开始以右引号结束的任何字符序列并且确保文章名后面跟着一个逗号。 ([^,\n])匹配期刊名。这个模式匹配一个或多个非逗号和换行符的字符序列。 # 正则表达式匹配模式 pattern1 r([^\n“]), “([^”]),”\s*([^,\n]) #作者和文章名和期刊名用括号将三者区分 pattern2 r([^\n“]), “([^”]),”\s*([^,\n][)]) #parttern1缺少了最后的右括号在这里补充上。[]表示可供选择。 然后循环输出元组中的元素放到列表中从而将元组的元素转化为列表中的字符串。 最后将不必要的信息清除简洁代码如下 import requests from bs4 import BeautifulSoup as bs from openpyxl import Workbook import rewbWorkbook() wswb.activewfileopen(bool.txt,w,encodingutf-8)urlhttps://law.yale.edu/china-center/publications/recent-staff-publicationswebfilerequests.get(url) webfile.encodingutf-8 datawebfile.textsoupbs(data,html.parser) soup.prettify()itemssoup.find_all(p)# 正则表达式匹配模式pattern2 r([^\n“]), “([^”]),”\s*([^,\n][)])#作者和文章名和期刊名用括号将三者区分for i in items:infoi.get_text()# 查找所有匹配项matches re.findall(pattern2, info)if len(matches)0:print(matches)for m in matches:mlist[]for k in m:mlist.append(k)print(k,sep,,end;,filewfile) ws.append(mlist)wfile.close() wb.save(book2.xlsx) 即可完成。 案例二 哈佛 爬取哈佛大学费正清中心出版书籍的信息时候标签信息是classarticle-container entry-content clear所以用item1soup.find_all(attrs{class:article-container entry-content clear}) 所以爬取代码如下 下面这段代码爬取哈佛大学费正清中心出版书籍的信息import requests from bs4 import BeautifulSoup as bs from openpyxl import WorkbookwbWorkbook() wswb.activefor page in range(1,9):urlfhttps://fairbank.fas.harvard.edu/research/publications/page/{page}/webFilerequests.get(url)webFile.eocodingutf-8datawebFile.textsoupbs(data,html.parser)soup.prettify()##item1soup.find_all(attrs{class:uagb-post__title})#提取书本标题信息##for i in item1:## print(i.get_text())######item2soup.find_all(attrs{class:ast-excerpt-container ast-blog-single-element})#提取书目介绍信息##for k in item2:## print(k.get_text())item3soup.find_all(attrs{class:article-container entry-content clear})#在网络页面中找到的整个的文本for m in item3:infom.get_text()row1info.split(\n)row2list(filter(lambda x:len(x)1,row1))#过滤掉空字符串。ws.append(row2)#worksheet中添加的是列表然后把列表中的元素挨个放到了xlsx表格中。wb.save(bool.xlsx) 即可完成。 案例三 普林斯顿大学 观察该网站标签信息是classrow search-result-wrapper 其网站如下 urlhttps://catalog.princeton.edu/?f%5Bformat%5D%5B%5DBookf%5Blocation%5D%5B%5DEastAsianLibrarypage1per_page100   于是写代码如下 import requests from bs4 import BeautifulSoup as bs from openpyxl import Workbook import rewbWorkbook() wswb.activefor pageNum in range(1,100):#提取一百页共10000条书目的信息urlfhttps://catalog.princeton.edu/?f%5Bformat%5D%5B%5DBookf%5Blocation%5D%5B%5DEastAsianLibrarypage{pageNum}per_page100webfilerequests.get(url)webfile.encodingutf-8datawebfile.textsoupbs(data,html.parser)soup.prettify()itemsoup.find_all(attrs{class:row search-result-wrapper})for m in item:infom.get_text()row1info.split(\n)row2list(filter(lambda x: len(x)1,row1))ws.append(row2)print(pageNum,pageNum/100) wb.save(book3.xlsx) 即可完成。 一日一图 代码如下 使用Python中的turtle模块绘制一个壮观的太阳系图是一个有趣且具有挑战性的任务import turtle import math# 设置屏幕 screen turtle.Screen() screen.bgcolor(black) screen.title(Solar System)# 创建太阳 sun turtle.Turtle() sun.hideturtle() sun.penup() sun.goto(0, -200) sun.pendown() sun.color(yellow) sun.begin_fill() sun.circle(50) sun.end_fill()# 行星数据名称距离太阳的距离单位像素大小单位像素 planets [(Mercury, 35, 5),(Venus, 72, 10),(Earth, 98, 10),(Mars, 152, 7),(Jupiter, 279, 30), # 简化大小实际应更大(Saturn, 449, 25), # 简化大小实际应更大# Uranus 和 Neptune 由于距离太远在这个比例下可能无法很好地显示 ]# 绘制行星和轨道 orbit_color gray planet_color [gray, yellow, blue, red, orange, gold, lightblue] # 对应行星的颜色实际应根据行星选择for i, (name, distance, size) in enumerate(planets):# 绘制轨道orbit_turtle turtle.Turtle()orbit_turtle.hideturtle()orbit_turtle.speed(0)orbit_turtle.penup()orbit_turtle.goto(0, 0)orbit_turtle.pendown()orbit_turtle.color(orbit_color)orbit_turtle.width(2)orbit_turtle.circle(distance)orbit_turtle.hideturtle()# 绘制行星planet_turtle turtle.Turtle()planet_turtle.hideturtle()planet_turtle.speed(0)planet_turtle.penup()# 计算行星在轨道上的位置angle 360 * i / len(planets) # 均匀分布行星x distance * math.cos(math.radians(angle))y distance * math.sin(math.radians(angle)) - 200 # 减去太阳的高度planet_turtle.goto(x, y)planet_turtle.pendown()planet_turtle.color(planet_color[i % len(planet_color)]) # 循环使用颜色planet_turtle.begin_fill()planet_turtle.circle(size)planet_turtle.end_fill()planet_turtle.write(name, aligncenter, font(Arial, 8, normal))planet_turtle.hideturtle()# 隐藏turtle光标 turtle.done() turtle.tracer(False)图片如下 即可完成。