爬虫之JSON案例

Posted 林深时见鹿

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫之JSON案例相关的知识,希望对你有一定的参考价值。

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:

  1. 使用requests获取页面信息,用XPath / re 做数据提取

  2. 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评论次数

  3. 保存到 json 文件内

参考代码

#qiushibaike.py

#import urllib
#import re
#import chardet

import requests
from lxml import etree

page = 1
url = \'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, comments

except Exception, e:
    print e

演示效果

 

以上是关于爬虫之JSON案例的主要内容,如果未能解决你的问题,请参考以下文章

Python爬虫之JSON和JSONPath是如何正确运用的?案例详解

爬虫案例之网易有道翻译Python代码改写

爬虫案例之网易有道翻译JS代码复杂版

python爬虫实例教程之豆瓣电影排行榜--python爬虫requests库

python爬虫基础案例之糗事百科

Python爬虫之破解百度翻译--requests案例详解