Python爬虫-爬取政务网站的文档正文内容和附件数据

前言

本文是该专栏的第67篇，后面会持续分享python爬虫干货知识，记得关注。

本文，笔者以某政务网站为例子。基于Python爬虫采集某政务网站的文档正文内容和其关联的附件数据。

具体的实现思路以及完整实现代码逻辑，笔者将在正文进行详细介绍。废话不多说，跟着笔者直接往下看正文详细内容。（附带完整代码）

正文

地址：aHR0cHM6Ly93d3cubnJ0YS5nb3YuY24vYXJ0LzIwMjIvMi8yNS9hcnRfMzcxM181OTY1Ny5odG1s

目标：基于Python爬虫，爬取政务网站的文档正文内容和附件数据（注意：这里的附件数据，指的是将附件信息直接下载并保存到本地）

1. 相关依赖库安装

在开始之前，首先需要提前安装好本文要用到的相关依赖库。如下所示：

requests
lxml
python-docx

如果你本地环境已经安装，可以直接跳过该步骤。反之，本地环境未安装，直接在终端输入如下所示的pip命令，进行安装即可：