サンシャイン入試問題

インポート要求
のインポート時
のインポートetree lxmlのから

DEF get_html（URL）：＃リクエストされたページ
    のtry：
        ヘッダ= { 
            'User--エージェント'：「のMozilla / 5.0（Windows NTの6.1; WOW64）のAppleWebKit / 537.36（KHTML、ヤモリなど）クローム/サファリ65.0.3325.181 / 537.36「} 
        RES = requests.get（URL、ヘッダー=ヘッダ）
        res.encoding = res.apparent_encoding 
        res.status_codeの== 200である場合：
            HTML = res.text 
            HTMLを返す
        ほか：
            time.sleep（0.1）
            get_htmlリターン（URL）
    を除く例外e AS：この除く＃1 BaseExceptionもeは、エラーの原因である印刷できる
        印刷（「質問がある」、e）の
        パス

解析（HTML）DEF：
    #Print（HTML）
    R＆LT etree.HTML =（HTML） 

    ＃は、URLの詳細なリストを搭載
    list_detail = [] 

    ＃ベースURL 
    BASE_URL = 'https://gaokao.chsi.com.cn' 

    ＃ページ情報のリスト
    ppp_ = r.xpath（ "// divの[クラス@ = 'YXK-表'] //テキスト（）"） 

    ＃すべての半分URL取得
    list_url = r.xpath（「// divの[クラス@ =「テーブル-YXKを）」/ HREF @ /] JS-YXK-yxmc」 '] // TD [クラス= @'は

    ＃すべてのURLをスプライスさ
    list_url内のURLのために：
        detail_url BASE_URL + =のURL 
        list_detail.append（detail_url） 

    ＃すべてのURLを返します
    返すlist_detail 
DEFのurl_joinを（）：

    URL_START = 'https://gaokao.chsi.com.cn/sch/search--ss-on,searchType-1,option-qg,start-' 
    outURL_END = '.dhtml'
    url_list = []
    iの範囲内（1139）：
        url_num = 20 * I - 20 
        のurl = URL_START + STR（url_num）+ url_endの
        url_list.append（URL）

    戻りurl_list 
場合__name__ == '__main__'：
    ＃url_list = url_join（） 
    ＃印刷（ url_list）
    ＃1 
    url_listでURLの＃： 
    ＃
    ##访问
    ＃HTML = get_html（URL） 
    ＃パース（HTML）

    URL =「https://gaokao.chsi.com.cn/sch/search--ss-on,searchType -1、オプション-QG、開始0.dhtml」
    HTML = get_html（URL）
    url_list =パース（HTML）
    印刷（url_list）