python 爬虫抓取百度热搜

实现思路:

第1步、在百度热搜页获取热搜元素

元素类名为category-wrap_iQLoo 即我们只需要获取类名category-wrap_为前缀的元素

第2步、编写python脚本实现爬虫

复制代码
import requests
from bs4 import BeautifulSoup

url = 'https://top.baidu.com/board?tab=realtime'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36'
}
response = requests.get(url, headers=headers)
response.encoding = response.apparent_encoding
soup = BeautifulSoup(response.text, 'html.parser')
hot_searches = []
# 使用CSS选择器匹配类名前缀为'category-wrap_'的元素
category_wrap_prefix_elements = soup.select('[class^="category-wrap_"]')
# 遍历并打印这些元素
for element in category_wrap_prefix_elements:
    title = element.find('div', class_='c-single-text-ellipsis').get_text().strip()
    link = element.find('a')['href']
    print(title, link)
    hot_searches.append({title, link})
print(hot_searches)

控制台打印

相关推荐
0和1的舞者1 天前
字典与文件操作全解析
python·学习
宇宙之大,无奇不有(一个玩暗区的人)1 天前
[NOIP 2011 普及组]T1 数字反转
java·开发语言·算法
Dxy12393102161 天前
报错:OSError: [WinError 1455] 页面文件太小,无法完成操作
python
benpaodeDD1 天前
黑马springboot1
java·开发语言·spring boot
好汉学技术1 天前
Scrapy框架数据存储完全指南(实操为主,易落地)
python
想看一次满天星1 天前
某里231——AST解混淆流程
爬虫·python·ast·js·解混淆
没有钱的钱仔1 天前
python 记录
开发语言·python
vibag1 天前
RAG文本处理
python·语言模型·langchain·大模型
nvd111 天前
疑难杂症:如何让 Cline 乖乖使用 MCP Tool?
python
最后一个bug1 天前
为什么linux内存要分DMA区域,常规区域和高端内存区域?
linux·服务器·开发语言·系统架构·计算机外设