AI办公自动化:deepseek批量提取网页中的人名

网页中有很多人名，要批量提取出来。

先定位人名的源代码：

<a href="https://time.com/7012748/sundar-pichai-2/" class="hidden text-time-black md:block"><h3 class="leading-7 xl:text-2xl font-zilla-slab text-[1.3125rem] font-medium tracking-wide">Sundar Pichai</h3><p class="pt-2 text-center font-zilla-slab text-[1.225rem] italic leading-6 tracking-wide md:text-left">CEO, Google and Alphabet</p></a>

<a href="https://time.com/7012753/sasha-luccioni/" class="flex flex-col gap-4"><div class="relative aspect-square"><img alt="" loading="lazy" decoding="async" data-nimg="fill" style="position:absolute;height:100%;width:100%;left:0;top:0;right:0;bottom:0;object-fit:cover;color:transparent" src="https://api.time.com/wp-content/uploads/2024/09/TIME100-AI-2024-LEADERS_Sasha-Luccioni_RM-NEW.jpg?quality=85&amp;w=640&amp;h=640&amp;crop=1"></div><div><h3 class="line-clamp-4 leading-7 text-time-black font-zilla-slab text-[1.3125rem] font-medium tracking-wide">Sasha Luccioni</h3><p class="pt-2 font-zilla-slab text-[1.225rem] italic leading-6 tracking-wide text-time-black">AI &amp; Climate Lead, Hugging Face</p></div></a>

然后在deepseek中输入提示词：

你是一个Python编程专家，要完成一个爬取网页内容的任务，具体步骤如下：

在文件夹F:\aivideo 里面新建一个Excel文件，文件名为：TIME100AI2024.xlsx

打开网页：https://time.com/collection/time100-ai-2024/

定位class="my-12 lg:my-14"的所有div元素，在这个div元素中定位class="hidden text-time-black md:block"的a元素，提取a元素中h3元素的文本内容，写入Excel表格第1列；提取a元素中p元素的文本内容，写入Excel表格第2列；

然后在这个div元素中定位class="flex flex-col gap-4"的a元素，提取a元素中h3元素的文本内容，写入Excel表格第1列；提取a元素中p元素的文本内容，写入Excel表格第2列；

注意:每一步都要输出信息到屏幕上

好的，下面是一个完整的Python脚本，用于完成你描述的任务。这个脚本将使用requests库来获取网页内容，使用BeautifulSoup库来解析HTML，并使用openpyxl库来创建和写入Excel文件。

首先，确保你已经安装了所需的库：

pip install requests beautifulsoup4 openpyxl

然后，你可以使用以下代码来完成任务：

import os

import requests

from bs4 import BeautifulSoup

from openpyxl import Workbook

# 定义文件夹路径和文件名

folder_path = r"F:\aivideo"

file_name = "TIME100AI2024.xlsx"

file_path = os.path.join(folder_path, file_name)

# 创建Excel文件

wb = Workbook()

ws = wb.active

ws.title = "TIME100AI2024"

# 设置表头

ws.append(["Title", "Description"])

# 打印信息

print("正在创建Excel文件...")

# 获取网页内容

url = "https://time.com/collection/time100-ai-2024/"

response = requests.get(url)

soup = BeautifulSoup(response.content, 'html.parser')

# 打印信息

print("正在解析网页内容...")

# 定位所有class="my-12 lg:my-14"的div元素

main_divs = soup.find_all('div', class_='my-12 lg:my-14')

# 打印信息

print(f"找到 {len(main_divs)} 个 class='my-12 lg:my-14' 的 div 元素")

# 遍历所有找到的div元素

for main_div in main_divs:

# 打印信息

print("正在提取 class='hidden text-time-black md:block' 的 a 元素内容...")

# 定位class="hidden text-time-black md:block"的a元素

for a_tag in main_div.find_all('a', class_='hidden text-time-black md:block'):

h3_text = a_tag.find('h3').get_text(strip=True)

p_text = a_tag.find('p').get_text(strip=True)

ws.append([h3_text, p_text])

# 打印信息

print("正在提取 class='flex flex-col gap-4' 的 a 元素内容...")

# 定位class="flex flex-col gap-4"的a元素

for a_tag in main_div.find_all('a', class_='flex flex-col gap-4'):

h3_text = a_tag.find('h3').get_text(strip=True)

p_text = a_tag.find('p').get_text(strip=True)

ws.append([h3_text, p_text])

# 保存Excel文件

wb.save(file_path)

# 打印信息

print(f"Excel文件已保存到: {file_path}")

代码说明：

创建Excel文件：使用openpyxl库创建一个新的Excel文件，并设置表头。

获取网页内容：使用requests库获取网页的HTML内容。

解析网页内容：使用BeautifulSoup库解析HTML，并定位所需的元素。

提取数据：提取h3和p元素的文本内容，并将其写入Excel文件的相应列。

保存Excel文件：将数据保存到指定的文件路径。

注意事项：

确保文件夹F:\aivideo存在，否则可能会导致文件保存失败。

如果网页结构发生变化，可能需要调整代码中的选择器。

运行这个脚本后，你将在指定的文件夹中找到一个名为TIME100AI2024.xlsx的Excel文件，其中包含了提取的数据。

程序运行成功。