想要做个新闻文本识别分类的项目,就先写了个爬取百度新闻的爬虫. 环境:win7 32 bit python3.4 若干第三方库 可以实现的功能:定期按照百度新闻的分类抓取新闻的标题,所属类别及文本内容,并自动存入数据库(MySQL),同时发邮件到自己邮箱提醒. 缺陷:因新闻来源不同,网页编码不同,会出现少量的乱码现象:存入数据库未添加自动去重功能(自己手动去重其实也并不难,所以没去研究这个) STEP1: creat_dbtable.py链接数据库创建表(也可直接通过操作MySQL) # -*-