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
Dxy12393102164 分钟前
ECharts折线图入门学习:从基础到实战的完整指南
学习·信息可视化·echarts
liu****4 分钟前
LangChain-AI应用开发框架(二)
人工智能·python·langchain·大模型部署
_Twink1e11 分钟前
[算法竞赛]九、C++标准模板库STL常用容器大全
开发语言·c++
未来转换19 分钟前
OpenClaw 命令大全以及使用指南
python·ai·openclaw
MegaDataFlowers19 分钟前
什么是JSON
json
永恒_顺其自然23 分钟前
Java Web 传统项目异步分块上传系统实现方案
java·开发语言·前端
_李小白25 分钟前
【OSG学习笔记】Day 25: OSG 设计架构解析
笔记·学习·架构
风中的小熊生气30 分钟前
MQ 学习笔记
笔记·学习
bu_shuo39 分钟前
c++中对数组求和
开发语言·c++
赫瑞39 分钟前
Java中的大数处理 —— BigInteger
java·开发语言