糗事百科实例:
来源:互联网 发布:淘宝简易射影棚 编辑:程序博客网 时间:2024/06/08 10:17
糗事百科实例:
爬取糗事百科段子,假设页面的URL是 http://www.qiushibaike.com/8hr/page/1
要求:
使用requests获取页面信息,用XPath / re 做数据提取
获取每个帖子里的
用户头像链接
、用户姓名
、段子内容
、点赞次数
和评论次数
保存到 json 文件内
参考代码#qiushibaike.py#import urllib#import re#import chardetimport requestsfrom lxml import etreepage = 1url = 'http://www.qiushibaike.com/8hr/page/' + str(page) headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36', 'Accept-Language': 'zh-CN,zh;q=0.8'}try: response = requests.get(url, headers=headers) resHtml = response.text html = etree.HTML(resHtml) result = html.xpath('//div[contains(@id,"qiushi_tag")]') for site in result: item = {} imgUrl = site.xpath('./div/a/img/@src')[0].encode('utf-8') username = site.xpath('./div/a/@title')[0].encode('utf-8') #username = site.xpath('.//h2')[0].text content = site.xpath('.//div[@class="content"]/span')[0].text.strip().encode('utf-8') # 投票次数 vote = site.xpath('.//i')[0].text #print site.xpath('.//*[@class="number"]')[0].text # 评论信息 comments = site.xpath('.//i')[1].text print imgUrl, username, content, vote, commentsexcept Exception, e: print e
演示效果
阅读全文
0 0
- 糗事百科实例:
- python3爬取糗事百科实例
- 糗事百科
- 糗事百科
- 糗事百科
- 糗事百科
- 糗事百科
- C#使用HtmlAgilityPack抓取糗事百科内容实例
- python网络爬虫实例(一):爬取糗事百科
- Python 爬虫 简单实例 爬取糗事百科段子
- Python爬虫实例2-多线程爬虫抓取糗事百科数据
- 糗事百科1
- 糗事百科2
- 糗事百科爬虫
- 糗事百科爬虫
- Python3抓取糗事百科
- python爬虫糗事百科
- 实战抓取糗事百科
- 世界坐标与屏幕坐标的转换
- 习题6.1(2)
- Java空字符串与null的区别
- 作业4
- Intellij idea实时响应修改的文件
- 糗事百科实例:
- C#实现 单点登录(SSO)(附源码)
- linux中SELINUX初识
- hdu 4422 The Little Girl who Picks Mushrooms(水题)
- [Jsoup]使用Jsoup消除不受信任的HTML (防止XSS攻击)
- Hibernate 异常日志
- 欢迎使用CSDN-markdown编辑器
- 彻底理解数字图像处理中的卷积-以Sobel算子为例
- 多线程糗事百科案例