该博客介绍了如何利用Python的Selenium库爬取百度百科和去哪儿旅行网站上的北京景点描述信息。作者提供了详细的代码示例，包括主要的爬取函数getInformation，以及如何循环遍历关键词文件获取每个景点的描述，并将其保存到新的数据文件中。注意，代码依赖于Chrome浏览器的对应版本驱动。
通‘百度百科’（百度百科_全球领先的中文百科全书）和‘去哪儿旅行’（北京旅游攻略-2022北京自助游-周边自驾-游玩攻略-自由行-吃喝玩乐指南-去哪儿攻略）两个网站对数据库中的景点爬取了对应的景点描述信息，并进行数据清洗保存。
下面是利用selenium框架爬取信息的代码部分和我想要爬的需求：
我想通过北京景点实体的名称找到对应的景点实体描述，用来扩充库中的信息。
其中景点实体就是这个景点叫啥名，大概有几千个吧
就需要去找到对应实体的景点信息描述，比如上面我提到的两个网站，分别如下图所示：红色框内部就是我想要爬取的文件，但是我又不想要太多，只想要相对简洁的一句话
因为每个实体都要去查询爬取，下面就是循环实体词的脚本，相当简单。。。data就是含有实体关键词的txt文件，目的就是一个词一个词的去爬取对应信息
def main():
data = codecs.open('d_data.txt','r',encoding='utf-8')
for name in
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
