Python爬虫之二：自制简易词典
运行平台： Windows Python版本： Python3.6 IDE： PyCharm 其他工具： Chrome浏览器
作为一个程序员，会经常查阅一些技术文档和技术网站，很多都是英文的，遇到不认识的词就要查，词典的使用频率也颇高，既然是程序员，高逼格的方式当然是做一个词典，此为动机。
1.寻找词典来源
我寻找一个好的词典的标准是：解释到位、数据抓取方便。
几个候选词典有：百度翻译、金山词霸、有道翻译、谷歌翻译。
最终选定金山词霸作为词源，原因：
- 大学时就使用金山词霸；
- url比较简单。
2.数据抓取
2.1 寻找URL
打开金山词霸在线翻译首页http://www.iciba.com/，输入一个单词进行查询，此处以“call”为例，查询页面出来以后看URL，浏览器的地址栏内容为http://www.iciba.com/call 。猜想查询URL格式为http://www.iciba.com/后面跟上要查询的单词（或词语），将call改为其他单词果然跳出相应的查询页面，中文也一样，由此可以证明以上猜想，也可以看出查询的URL真的简单明了。
2.2 寻找数据
我只是想弄懂单词的意思，所以我需要的数据是如图所示部分：
在浏览器按F12键调出开发者工具，然后刷新页面，我们要在页面中寻找我们需要的数据，按图示操作：
确定好了数据区域是< ul class="base-list switch_part">和< /ul>中间的部分，接下来就把这些数据都抓取下来吧。
2.3 抓取数据
抓取数据用到了urllib.request库，解析html用到了BeautifulSoup库。所以首先导入这两个库。
import urllib.request
from bs4 import BeautifulSoup需要将整个网页内容抓取下来，用如下代码实现：
root_url = 'http://www.iciba.com/'
word = input('请输入想要查询的单词（或"q"退出）：\n')
url = root_url + word # 拼接URL
response = urllib.request.urlopen(url)
html = response.read()有了html内容，接下来要把 base-list switch_part 标签里的内容读取出来，BeautifulSoup里的find可以实现此功能：
soup = BeautifulSoup(html, 'lxml')
tag_soup = soup.find(class_='base-list switch_part')
print(tag_soup)获得输出结果为：
<li class="clearfix">
<span class="prop">v.</span>
<p>
<span>呼唤，喊叫；</span>
<span>召唤，叫来，召集；</span>
<span>下令，命令；</span>
<span>打电话给</span>
</p>
</li>,
<li class="clearfix">
<span class="prop">n.</span>
<p>
<span>喊叫，大声喊；</span>
<span>电话联络；</span>
<span>必要，理由；</span>
<span>要求</span>
</p>
</li>可以看出里面包含了两个< li class="clearfix">< /li>，这表明call这个单词有两个词性，接下来就要解析出所有的词性，用到BeautifulSoup的find_all函数：
meanings = tag_soup.find_all(class_='clearfix')
for i in range(len(meanings)):
translation = meanings[i].get_text() # 获取文本内容
print(translation.strip()) # 去掉字符串开头和结尾的空行
print('='*30) # 华丽的分割线最后输出结果如图所示，这已经是我想要的结果了。
3. 改进优化
该词典的的基本功能已经完成，但是存在几个缺陷。
3.1 查询中文
查询英语单词已经没有问题了，那么查询中文试试：
程序报错，是编码问题，是urllib.request.urlopen函数导致的，我们只需将URL拼接改为url = root_url + urllib.parse.quote(word)即可，试一下：
3.2 查询不存在的单词
如果查询不存在的单词结果会如何：
失败是因为在tag_soup = soup.find(class_='base-list switch_part')这一行执行完之后，tagsoup的值为None，已经不是BeautifulSoup里的数据类型了，已经不能使用findall 函数了。那么在此处做一个判断：
- 如果tag_soup为None，打印提醒语句并等待下一次输入
- 如果tag_soup不为None，那么继续执行下面的解析。
if tag_soup == None: # 防止输入的单词没有释义
print(Fore.GREEN + '输入的单词不存在，重新输入.')
else:
meanings = tag_soup.find_all(class_='clearfix')
for i in range(len(meanings)):
translation = meanings[i].get_text()
print(ranslation.strip()) # 去掉字符串开头和结尾的空行
print('='*30)3.3 停止
为了可以循环查询，将用户输入、查询、显示的步骤放到while True:语句里，那么如何优雅的退出呢？判断输入，我以字母‘q’为退出标识。
while True:
word = input('请输入想要查询的单词（或"q"退出）：\n')
if word == 'q':
break
else:
......(解析和显示工作)3.4 给你点颜色看看
这个工具是要自己使用的，最终是在控制台下显示，一团黑白相间的东西，没有美感，那么如何美化输出呢？将输出染上颜色。
控制台输出上色需要用到colorama第三方库，使用pip进行安装：
pip install colorama引入该库：
from colorama import init,Fore # init是初始化，Fore是字体颜色
init(autoreset=True) # 初始化将几个print语句进行上色：
print(Fore.GREEN + '输入的单词不存在，重新输入.')
......
print(Fore.CYAN + translation.strip())
print(Fore.RED + '='*30)来看一下最终效果：
至此，一个简单的词典就完成了。
4. 如何使用
4.1 直接运行py文件
如果你已经开发完此词典说明你电脑里已经有python环境了，那么可以直接运行py文件。
- 我已经将py文件的打开应用设置为python.exe了，所以可以直接双击运行。
- 打开cmd，进入该py文件目录，执行
python dict.py即可运行。
4.2 打包
如果要给别人使用，那么打包成exe就是个完美的解决方案了。打包用到了pyinstaller第三方库，执行pip install pyinstaller进行安装。此处打包用到了pyinstaller的两个参数：
参数 | 含义 |
|---|---|
-F | 指定打包后只生成一个exe格式的文件 |
-i | 改变生成程序的icon图标 |
到网上去下载一个ico文件作为改程序的图标(程序员也是要美感的)，推荐一个icon下载网站http://www.easyicon.net/ 。打开CMD，进入到dict.py所在文件夹执行如下指令：
pyinstaller -F -i Dictionary.ico dict.py在dist目录下就可以看到生成的exe了。把dict.exe放到某个目录下，将快捷方式放到桌面，或者将该目录放到系统环境变量中，在cmd下直接敲dict.exe就能运行了，酷！
欣赏一下最终效果：
5.完整代码
# -*- coding: utf-8 -*-
"""
Created on Sat Dec 16 2017
@author: WangQiang
"""
import urllib.request
from bs4 import BeautifulSoup
from colorama import init,Fore
init(autoreset=True)
root_url = 'http://www.iciba.com/'
while True:
word = input('请输入想要查询的单词（或"q"退出）：\n')
if word == 'q':
break
else:
url = root_url + urllib.parse.quote(word) # 解决url中带有中文编译失败的问题
response = urllib.request.urlopen(url)
html = response.read()
soup = BeautifulSoup(html, 'lxml')
tag_soup = soup.find(class_='base-list switch_part')
if tag_soup == None: # 防止输入的单词没有释义
print(Fore.GREEN + '输入的单词不存在，重新输入.')
else:
meanings = tag_soup.find_all(class_='clearfix')
for i in range(len(meanings)):
translation = meanings[i].get_text()
print(Fore.CYAN + translation.strip()) # 去掉字符串开头和结尾的空行
print(Fore.RED + '='*30)腾讯云开发者
