爬虫实践-爬取糗事百科网段子信息

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫实践-爬取糗事百科网段子信息相关的知识,希望对你有一定的参考价值。

qiushibaike.py:

# 导入相应的库文件
import requests
import re

# 加入请求头
headers = {
‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 ‘
‘(Khtml, like Gecko) Chrome/53.0.2785.143 Safari/537.36‘
}

# 初始化列表,用于装入爬虫信息
info_lists = []


# 定义获取用户性别的函数
def judgment_sex(class_name):
if class_name == ‘womenIcon‘:
return ‘女‘
else:
return ‘男‘


def get_info(url):
res = requests.get(url)
ids = re.findall(‘<h2>(.*?)</h2>‘, res.text, re.S)
levels = re.findall(‘<div class="articleGender \\D+Icon">(.*?)</div>‘, res.text, re.S)
sexes = re.findall(‘<div class="articleGender (.*?)">‘, res.text, re.S)
contents = re.findall(‘<div class="content">.*?<span>(.*?)</span>‘, res.text, re.S)
laughs = re.findall(‘<span class="stats-vote"><i class="number">(\\d+)</i>‘, res.text, re.S)
comments = re.findall(‘<i class="number">(\\d+)</i> 评论‘, res.text, re.S)
for id, level, sex, content, laugh, comment in zip(ids, levels, sexes, contents, laughs, comments):
info = {
‘id‘: id,
‘level‘: level,
‘sex‘: judgment_sex(sex),
‘content‘: content,
‘laugh‘: laugh,
‘comment‘: comment
}
info_lists.append(info)


# 程序主入口
if __name__ == ‘__main__‘:
urls = [‘http://www.qiushibaike.com/text/page/{}/‘.format(str(i)) for i in range(1, 36)]
for url in urls:
# 循环调用获取爬虫信息的函数
get_info(url)
for info_list in info_lists:
# 遍历列表,创建TXT文件
f = open(‘C:/Users/Administrator//Desktop/qiushi.text‘, ‘a+‘)
try:
# 写入数据到TXT
f.write(info_list[‘id‘])
f.write(info_list[‘level‘])
f.write(info_list[‘sex‘])
f.write(info_list[‘content‘])
f.write(info_list[‘laugh‘])
f.write(info_list[‘comment‘])
f.close()
except UnicodeEncodeError:
# pass掉错误编码
pass

技术分享图片

 































































以上是关于爬虫实践-爬取糗事百科网段子信息的主要内容,如果未能解决你的问题,请参考以下文章

芝麻HTTP:Python爬虫实战之爬取糗事百科段子

Python爬虫实战一之爬取糗事百科段子

Python爬虫爬取糗事百科段子内容

Python爬虫-爬取糗事百科段子

利用python爬取糗事百科的用户及段子

Python爬虫(十七)_糗事百科案例