成功使用Python爬虫扇贝单词库实现自动测试我们的单词量

在这里插入图片描述

import time
import requests
import re
from openpyxl import workbook#导入我们要用到的库
from bs4 import BeautifulSoup as bs
class TestYourWord:
    #这个功能复制下来，并且做点改良，搞一个网页版没有的功能 ———— 自动生成错词本
    def __init__(self):
        self.start_url = 'https://www.shanbay.com/bdc/client/vocabtest/welcome'
        #请求头，浏览器模拟
        #设置这一步的目的是为了伪装我们的爬虫，防止被识别出来
        #由requests自动生成的headers，可被服务器轻易识别为爬虫，所以我们要进行伪装
        self.headers = {
    
    
            'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',
        }
        self.which_test = int(input('请输入你想要选择的题库：（数字1-10）'))
    def getHtml(self):
        gu = self.start_url #url生成器
        html = requests.get(gu,headers=self.headers)
        soup = bs(html.text,'html.parser')
        items=soup.find('div',class_='type-content').find(a)
        for item in items:
            print(item)
        return html
    def getData(self):
        res = self.getHtml()
        data=res.json
        print(data)
        
if __name__ == '__main__':
    start = time.time()
    test = TestYourWord()
    test.getData()

在这里插入图片描述问题出现在我们是一个动态网页，应该在XHR里面找内容，

在这里插入图片描述把链接改成上图所示的链接则可以成功提取数据了。

打印Json文件可以得到如下内容

请输入你选择的词库编号，按Enter确认
        1，GMAT  2，考研  3，高考  4，四级  5，六级
        6，英专  7，托福  8，GRE  9，雅思  10，任意
        >1
[['GMAT', 'GMAT'], ['NGEE', '考研'], ['NCEE', '高考'], ['CET4', '四级'], ['CET6', '六级'], ['TEM', '英专'], ['TOEFL', '托福'], ['GRE', 'GRE'], ['IELTS', '雅思'], ['NONE', '任意']]

我们定位到相应的词库可以得到相应的新json文件
在这里插入图片描述

成功使用Python爬虫扇贝单词库实现自动测试我们的单词量

猜你喜欢