爬取糗事百科列表頁案例

2022-03-16 22:59:38 字數 2557 閱讀 4487

import


requests


from lxml import


etree


importre#


爬取糗事百科所有列表頁資訊


class


qiushi():


def__init__


(self, base_url):


self.base_url =base_url


self.max_page =self.get_max_page()


self.get_data()


#獲取最大頁數


defget_max_page(self):


response =requests.get(self.base_url)


html_str =response.text


html =etree.html(html_str)


max_page = html.xpath('


//ul[@class="pagination"]/li[last()-1]/a/span/text()')


max_page =int(max_page[0].strip())


return


max_page


#發起請求獲取資料


defget_data(self):


#迴圈獲取每一頁的資料


for page in range(1, self.max_page + 1):


base_url = '


'.format(page)


response =requests.get(base_url)


html_str =response.text


html =etree.html(html_str)


result = html.xpath('


//div[@class="recommend-article"]/ul/li')


all_list =


for site in


result:


#print(type(site))


#看看裡面是什麼


#print(etree.tostring(site, pretty_print=true,encoding='utf-8').decode('utf-8'))


qiushi_info ={}


funny_number = site.xpath('


.//div[@class="recmd-num"]/span[1]/text()


')  #


搞笑數                comment_number = site.xpath('


.//div[@class="recmd-num"]/span[4]/text()


')  #


content = site.xpath('


.//a[@class="recmd-content"]/text()


')             #


內容                pic = site.xpath('


.//a[contains(@class, "recmd-left")]/img/@src


')  #


username = site.xpath('


.//span[@class="recmd-name"]/text()


')  #


使用者暱稱


#all函式 所有的都為真 返回真 只要有乙個假 則返回假


#any函式 只要有乙個為真 則返回真


#過濾掉廣告


ifall([funny_number, comment_number, content, pic, username]):


qiushi_info[


'funny_number


'] =funny_number[0]


qiushi_info[


'comment_number


'] =comment_number[0]


qiushi_info[


'content


'] =content[0]


#拼接url


#獲取原始大小 有些沒有問號 就是原始if"


?"inpic:


pattern = re.compile('


(.*?)\?')


pic =pattern.findall(pic)[0]


qiushi_info[


'pic


'] =pic


qiushi_info[


'username


'] =username[0]


#整理輸出


print('


-------------------第{}頁------------------------


'.format(page))


for i in


all_list:


print


(i)if


__name__ == "


__main__":


base_url = '


'qiushi(base_url)

簡單爬取糗事百科

剛剛入門，對於爬蟲還要折騰很久才行，雖然很多功能還沒開始掌握，但是爬取下來就很開心，接下來還會爭取進步的。把自己出現的一些錯誤都加上了注釋，我目前還在學習當中，大家一起進步。期間學了乙個新的函式，在這裡分享下 strip 網上是這麼說的 需要注意的是，傳入的是乙個字元陣列，編譯器去除兩端所有相應的字...

python 爬取糗事百科

step 1 構建乙個提取糗事百科笑話的函式import urllib2 import urllib import re import thread import time import sys reload sys sys.setdefaultencoding utf 8 defgetpage p...

Python爬取糗事百科

一 引入模組 因為urlopen功能比較簡單，所以設定 ip需引入proxyhandler和build opener模組，ip的獲取可以上西祠 查詢 import re from urllib.request import request,build opener,proxyhandler base...