成功使用Python爬虫扇贝单词库实现自动测试我们的单词量

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()

问题出现在我们是一个动态网页，应该在XHR里面找内容，

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

标签：__,GRE,Python,自动测试,单词,headers,html,import,self
来源： https://blog.csdn.net/weixin_44991673/article/details/112064367