|
平时我们要搜索某个东西的时候，我们往往会用到百度百科，比如搜“上海”，会出现以下页面：  那么，我们能不能利用爬虫，自己制作一个简单的搜索引擎呢？ Why not？！我们自作简单的搜索引擎，展示输入词条的简介部分，这样可以既减少工作量，又展示了该搜索引擎的基本原理。 以下为笔者制作的简单的搜索引擎，实现的功能为：读取输入的词条，并输出百度百科里该词条的简介部分。
# -*- coding: utf-8 -*-
"""
Created on Fri Aug 18 15:58:13 2017
@author: JClian
"""
import re
import bs4
import urllib.request
from bs4 import BeautifulSoup
import urllib.parse
import sys
search_item = input("Enter what you want(Enter 'out' to exit):")
while search_item != 'out':
if search_item == 'out':
exit(0)
print("please wait...")
try:
url = 'https://baike.baidu.com/item/'+urllib.parse.quote(search_item)
html = urllib.request.urlopen(url)
content = html.read().decode('utf-8')
html.close()
soup = BeautifulSoup(content, "lxml")
text = soup.find('div', class_="lemma-summary").children
print("search result:")
for x in text:
word = re.sub(re.compile(r""),'',str(x))
words = re.sub(re.compile(r"\[(.+?)\]"),'',word)
print(words,'\n')
except AttributeError:
print("Failed!Please enter more in details!")
search_item = input("Enter what you want(Enter 'out' to exit):")
其中search_item为输入词条，进入while循环可一直搜索，当输入为’out’时退出。text为该词条的百度百科简介的网页形式，通过正则表达式将其中的文字提取出来（当然提取后的文字形式还有待美化~~）。如果百度百科里没有该词条，输出失败信息，并提示测试这将词条具体化些再输入。这样，百度百科有的词条，我们这个搜索引擎里也就有了响应的简介部分。 接下来是测试时间（在Jupyter Notebook上测试）：    测试效果还是不错的，真是简单又好使，要不你也来试试？
本篇分享如有不足之处，还请批评指正。欢迎交流^O^
期待下一篇分享…
注意：本人现已开通两个微信公众号： 因为Python（微信号为：python_math）以及轻松学会Python爬虫（微信号为：easy_web_scrape）， 欢迎大家关注哦~~
|