python爬取英語學習資料併發送郵件

来源:https://www.cnblogs.com/aixw/archive/2018/12/06/10077497.html
-Advertisement-
Play Games

新建發送郵件類 爬取英語學習資料 比如爬取英語學習鏈接:http://www.hjenglish.com/new/c1020/,將當前頁文章爬取到併發送郵件到指定郵箱: ...


新建發送郵件類

import smtplib
from email.mime.text import MIMEText
from email.header import Header

class SendMail:

   def __init__(self):
       self.sender = '[email protected]'
       self.receivers = ['[email protected]','[email protected]']  # 接收郵件,可設置為你的QQ郵箱或者其他郵箱
       self.smtp_server = 'smtp.qq.com'
       self.smtp_pwd = 'xx'
       self.stmp_port = 25

   def sendMessage(self, title, msg):
       # 三個參數:第一個為文本內容,第二個 plain 設置文本格式,第三個 utf-8 設置編碼
       message = MIMEText(msg, 'plain', 'utf-8')
       message['From'] = self.sender
       message['To'] = ';'.join(self.receivers)

       message['Subject'] = Header(title, 'utf-8')

       smtpObj = smtplib.SMTP(self.smtp_server, self.stmp_port)
       smtpObj.starttls()
       smtpObj.login(self.sender, self.smtp_pwd)
       smtpObj.sendmail(self.sender, self.receivers, message.as_string())
       print('success')

爬取英語學習資料

比如爬取英語學習鏈接:http://www.hjenglish.com/new/c1020/,將當前頁文章爬取到併發送郵件到指定郵箱:

from bs4 import BeautifulSoup
import time, os
import xlwt
import requests
import datetime
import threading
import schedule
from mymodule.SendMail import *

def getLinks(url):
    try:
        res = requests.get(url, headers={'Host': 'www.hjenglish.com', 'Referer':'http://www.hjenglish.com/new/cet/', 'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'})
        res.raise_for_status()
        page = BeautifulSoup(res.text, 'lxml')
        res.close()

        links =['http://www.hjenglish.com' + adom['href'] for adom in page.select('.big-link.title-article')]
        return links
    except Exception as err:
        print(err)

def spiderLink(url, lock):
    print('當前線程', threading.currentThread().getName())
    res = requests.get(url, headers={'Host': 'www.hjenglish.com', 'Referer':'http://www.hjenglish.com/new/cet/', 'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'})
    if res.status_code == 200:
        try:
            page = BeautifulSoup(res.text, "lxml")
            res.close()
            titles = [title.getText() for title in page.select('.article-header .title')]
            contents = [contentDom.getText() for contentDom in page.select('#J-article-content')]
            # print(titles, contents)
            num = len(titles)
            global total
            print(titles, contents)
            for i in range(0, num):
                lock.acquire()
                total = total + 1
                lock.release()
                print(titles[i], contents[i])
                sender.sendMessage(titles[i], contents[i])

        except Exception as err:
            print(err)
    else:
        pass

def my_job():
    try:
        starttime = datetime.datetime.now()
        url = 'http://www.hjenglish.com/new/c1020/'

        lock = threading.Lock()
        spider_links = getLinks(url)
        threads = [threading.Thread(target=spiderLink, args=(link, lock)) for link in spider_links]

        for thread1 in threads:
            thread1.start()

        for thread2 in threads:
            thread2.join()

        endtime = datetime.datetime.now()
        print('have spend ', str((endtime - starttime).seconds) + 's')
        global total
        total = 0
    except Exception as err:
        print(err)
        os._exit(0)

if __name__ == '__main__':
    try:
        sender = SendMail()
        total = 0
        my_job()
    except Exception as err:
        print(err)
        os._exit(0)

您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 題意 "題目鏈接" Sol 好好讀題 = 送分題 不好好讀題 = 送命題 開始想了$30$min數據結構發現根本不會做,重新讀了一遍題發現是個傻逼題。。。 $C_{i, j} = a[i] b[j]$ 根據乘法分配律,題目就變成了在數組$a, b$中分別選一段連續的區間,要求權值和相乘$ defin ...
  • 1.運行時控制Nginx進程 NGINX有一個主進程和一個或多個工作進程。 如果啟用了緩存,則緩存載入器和緩存管理器進程也會在啟動時運行。 主進程的主要目的是讀取和評估配置文件,以及維護工作進程。 工作進程執行請求的實際處理。 NGINX依賴於依賴操作系統的機制來有效地在工作進程之間分配請求。 工作... ...
  • 卡拉茲(Callatz)猜想: 卡拉茲(Callatz)猜想: 卡拉茲(Callatz)猜想: 對任何一個正整數 n,如果它是偶數,那麼把它砍掉一半;如果它是奇數,那麼把 (3n+1) 砍掉一半。這樣一直反覆砍下去,最後一定在某一步得到 n=1。卡拉茲在 1950 年的世界數學家大會上公佈了這個猜想 ...
  • 我走過最長的路是你的套路 女:二號男嘉賓,假如我們牽手成功後,你會買名牌包包給我嗎? 男:那你會聽話嗎? 女:會 聽話。 男:聽話 咱不買! 那麼消息隊列MQ有什麼套路呢?(這個話題轉換生硬度連我自己都怕!) 1.消息隊列的應用場景和好處: 非同步-流量削峰 非同步-流量削峰 我們先來看下傳統的伺服器接 ...
  • 什麼是函數 函數是對功能或者動作的封裝 函數的語法和定義 define 定義 def 函數名(): 函數體 調用: 函數名() def yue(): # 描述你的動作 print("拿出手機") print('打開陌陌') print("找一個心儀的小姐姐") print('有沒有時間啊, 聊聊人生 ...
  • 電腦的編程語言類型:編譯型,解釋型 java正是這兩種類型的結合: (1)編輯器編寫java源程式→源文件名:主類名.java (2)將源程式編譯為位元組碼→:位元組碼文件 : 源文件.class (3)利用虛擬機解釋執行。運行過程:載入、代碼校驗、解釋執行 ...
  • 1. 什麼是函數? f(x) = x + 1 y = x + 1 函數是對功能或者動作的封裝 2. 函數的語法和定義 3. 關於函數的返回值 return : 返回 1. 當程式沒寫過return, 不返回任何結果. 如果你非要接收. 接受到的是None 2. 當函數寫return 值, 有一個返回 ...
  • 前言 以博客園為例,爬取我的博客上首頁的發佈時間、標題、摘要,本篇先小試牛刀,先瞭解下它的強大之處,後面講beautifulsoup4的詳細功能。   一、安裝 1.打開cmd用pip線上安裝beautifulsoup4 >pip install beautifulsoup4 &nb ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...