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
三川6987 小时前
Tkinter库的学习记录06-变量类别
python
wenying_443237447 小时前
Python脚本—1.提取压缩包中的pdf文件
python·ai编程
_Jimmy_7 小时前
SQLAlchemy 复杂 SQL 执行指南与模板库
python·sql
六个九十度7 小时前
用python脚本访问被网关隔离的嵌入式设备
开发语言·python
酷酷的身影7 小时前
Drivers/LedManager.cs
开发语言·php
换个昵称27 小时前
大模型学习8下-高性能推理引擎vLLM学习笔记
笔记·学习·vllm
小樱花的樱花7 小时前
Linux 线程的创建
linux·c语言·开发语言
GEO_ai_zhijian7 小时前
饮料生产线质量检测系统供应商哪家强
大数据·python
xiaoshuaishuai88 小时前
C# AI实现PR处理、单元测试
开发语言·c#·log4j
C++、Java和Python的菜鸟8 小时前
第7章 Java高级技术
java·开发语言