【python】吃透本文：你的论文选题有了，爬虫也入门了！——以爬取国脉电子政务网站为例

import requests
from bs4 import BeautifulSoup
import pandas as pd
 
# 设置请求头，模拟浏览器访问
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
 
# 初始化一个空列表，用于存储文章标题和链接
articles = []
 
# 设置起始页和结束页
start_page = 1
end_page = 10
 
# 循环遍历页面
for page in range(start_page, end_page + 1):
    print(f"正在抓取第{page}页的数据...")
    # 构造URL
    url = f"http://www.gov.cn/zhengce/content/{page}"
    # 发送GET请求
    response = requests.get(url, headers=headers)
    # 确保请求成功
    if response.status_code == 200:
        # 解析网页
        soup = BeautifulSoup(response.text, 'lxml')
        # 找到所有的文章列表项
        list_items = soup.find('div', class_='list_txt').find_all('li')
        for li in list_items:
            # 提取文章标题和链接
            title = li.find('a').text
            link = li.find('a')['href']
            full_link = f"http://www.gov.cn{link}"
            # 将信息添加到列表中
            articles.append({'标题': title, '链接': full_link})
    else:
        print(f"请求第{page}页失败，状态码：{response.status_code}")
 
# 将列表转换为DataFrame
df = pd.DataFrame(articles)
# 保存为CSV文件
df.to_csv('国脉文章.csv', index=False, encoding='utf-8-sig')
 
print("所有页面抓取完成，数据已保存到CSV文件。")

这段代码使用了requests库来发送HTTP请求，使用BeautifulSoup库来解析HTML，使用pandas库来处理数据并保存为CSV文件。代码简洁明了，注重实现功能而不包含复杂的逻辑，适合作为爬虫入门学习的例子。