Python 一个抓取糗百的段子的小程序
Posted 幽冥狂_七
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Python 一个抓取糗百的段子的小程序相关的知识,希望对你有一定的参考价值。
import requests import re #糗事百科爬虫类 class QSBK: #初始化方法,定义一些变量 def __init__(self): self.headers={ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/61.0.3163.79 Safari/537.36" } #存放段子的变量,每一个元素是每一页的段子们 self.stories=[] #存放程序是否继续运行的变量 self.enable =False def getPage(self,page): try: url = ‘http://www.qiushibaike.com/hot/page/‘ + str(page) print(url) response = requests.get(url,headers=self.headers) html_content = response.content.decode(‘UTF-8‘) #print(html_content) # regex=re.compile(‘<div class="article block untagged mb15\s\S+" id="\S+">.*?</div>‘) regex = re.compile(‘<h2>(.*?)</h2>.*?<div class="content">\W+<span>(.*?)</span>‘, re.S) #regex = re.compile(‘<h2>‘, re.S) regex_content = re.findall(regex, html_content) print(regex_content) for i in regex_content: self.stories.append(i[0].replace(‘\n‘, ‘‘),i[1].replace(‘\n‘, ‘‘)) return self.stories except Exception as e: print(‘异常:%s‘ % e) js = QSBK() for i in range(100): lists = js.getPage(i) print(‘============================================ 第 ‘+str(i)+‘ 页 =============================================‘) print(lists)
如果发现不能用,那就是糗百又改规则了
以上是关于Python 一个抓取糗百的段子的小程序的主要内容,如果未能解决你的问题,请参考以下文章