Crawler Demo 04

from bs4 import BeautifulSoup
from urllib.request import urlopen
import re
import random


base_url = 
his = ["/item/%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/5162711"]

for i in range(20):
    url = base_url + his[-1]
    html = urlopen(url).read().decode('utf-8')
    soup = BeautifulSoup(html, features='lxml')
    print(i, soup.find('h1').get_text(), '    url: ', base_url + his[-1])
    sub_urls = soup.find_all("a", {"target": "_blank", "href": 
    if len(sub_urls) != 0:
        his.append(random.sample(sub_urls, 1)[0]['href'])
    else:
        his.pop()


# 0 网络爬虫     url:  
# 1 分布式搜索引擎     url:  
# 2 网络爬虫     url:  
# 3 超文本     url:  
# 4 文本     url:  
# 5 苏联     url:  
# 6 匈牙利十月事件     url:  
# 7 多瑙河     url:  
# 8 奥地利     url:  
# 9 多瑙河     url:  
# 10 韦斯     url:  
# 11 多瑙河     url:  
# 12 最大水头     url:  
# 13 多瑙河     url:  
# 14 温带海洋性气候     url:  
# 15 多瑙河     url:  
# 16 汛期     url:  
# 17 黑龙江     url:  
# 18 额木尔河     url:  
# 19 大兴安岭     url: