【2024年】基于python的旅游景点推荐系统模拟爬虫

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'}
 
# 定义一个函数来获取页面内容
def get_page_content(url):
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.text
    return None
 
# 定义一个函数来解析页面数据
def parse_data(html):
    soup = BeautifulSoup(html, 'html.parser')
    data = []
    for item in soup.find_all('div', class_='info'):
        name = item.find('div', class_='name').text.strip()
        address = item.find('div', class_='address').text.strip()
        data.append({'name': name, 'address': address})
    return data
 
# 定义一个函数来保存数据到CSV文件
def save_to_csv(data, filename):
    df = pd.DataFrame(data)
    df.to_csv(filename + '.csv', index=False, encoding='utf-8-sig')
 
# 测试函数
if __name__ == '__main__':
    url = 'http://example.com/tourist-attractions'
    html = get_page_content(url)
    parsed_data = parse_data(html)
    save_to_csv(parsed_data, 'tourist_attractions')

这个代码示例展示了如何使用Python进行网页爬取。它首先定义了请求头，用于模拟浏览器访问网页。然后定义了一个函数来获取页面内容。接着定义了一个函数来解析页面中的旅游景点数据，并收集名称和地址。最后，定义了一个函数将数据保存到CSV文件中。这个例子简洁明了，并且使用了requests和beautifulsoup4两个常用的Python库来处理网络请求和HTML解析。