Python爬虫(十七)_糗事百科案例

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连接、用户姓名、段子内容、点赞次数和评论次数
  3. 保存到json文件内

参考代码

javascript 复制代码
#-*- coding:utf-8 -*-

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//img/@src')[0].encode('utf-8')

        # print(imgUrl)
        username = site.xpath('./div//h2')[0].text
        # print(username)
        content = site.xpath('.//div[@class="content"]/span')[0].text.strip().encode('utf-8')
        # print(content)
        # 投票次数
        vote = site.xpath('.//i')[0].text
        # print(vote)
        #print site.xpath('.//*[@class="number"]')[0].text
        # 评论信息
        comments = site.xpath('.//i')[1].text
        # print(comments)
        print imgUrl, username, content, vote, comments

except Exception, e:
    print e

演示效果

糗事百科

相关推荐
一个假的前端男12 小时前
Flutter 实现 BLE 设备 WiFi 配网流程实践
开发语言·flutter
吕源林12 小时前
Golang如何做本地缓存加速_Golang本地缓存教程【核心】
jvm·数据库·python
_深海凉_12 小时前
LeetCode热题100-26. 删除有序数组中的重复项
python·算法·leetcode
武帝为此12 小时前
【热卡填充法介绍】
人工智能·python·机器学习
2401_8274999912 小时前
数据分析学习06(黑马)-Matplotlib
学习·数据分析·matplotlib
片酷12 小时前
【Isaacsim&Isaaclab】安装教程
linux·开发语言·python
Magic@12 小时前
Redis学习[1] ——基本概念和数据类型
linux·开发语言·数据库·c++·redis·学习
黑不溜秋的12 小时前
C++ STL reduce 用法
开发语言·c++
倾听一世,繁花盛开12 小时前
Java语言程序设计——篇十三(1)
java·开发语言·ide·eclipse
大腕先生12 小时前
通用分页超详细介绍(附带源代码解析&页面展示效果)
xml·java·linux·服务器·开发语言·前端·idea