爬取糗事百科文字版

主要收獲

  • 字典數(shù)據(jù)寫入mongodb數(shù)據(jù)庫(kù)
  • 數(shù)據(jù)庫(kù)中取值 點(diǎn)贊數(shù)大于某個(gè)值時(shí)提取數(shù)據(jù)蚌斩,用$gte表示大于等于某個(gè)數(shù),開始寫入是字符串范嘱,后加上int()函數(shù)改為數(shù)據(jù)進(jìn)行比查找
  • 利用select時(shí)送膳,爬去內(nèi)容中“查看全文”按鈕和內(nèi)容部分無(wú)法區(qū)分,每頁(yè)爬去數(shù)據(jù)都是25丑蛤,因此項(xiàng)bug存在叠聋,導(dǎo)致抓取的內(nèi)容數(shù)總是大于25,后強(qiáng)行遍歷數(shù)組受裹,把含有“查看全文”內(nèi)容的項(xiàng)目強(qiáng)行去除碌补,重新構(gòu)建數(shù)組虏束。才成功
    -- 此項(xiàng)工作應(yīng)吸取教訓(xùn),留下疑問(wèn)厦章,百度許久不得解決辦法镇匀。就是select中如何減去特定class屬性的內(nèi)容。
import requests
from bs4 import BeautifulSoup
import lxml
import time
import pymongo
client=pymongo.MongoClient('localhost',27017)
donger=client['donger']
sheet_2=donger['sheet_2']
urls=["https://www.qiushibaike.com/text/page/{}/".format(str(i)) for i in range(1,14)]
def getone_url(url):
    web_data=requests.get(url)
    neirongs=[]
    soup=BeautifulSoup(web_data.text,'lxml')
    authors=soup.select(' div > a >  h2 ')
    a=soup.select(' a.contentHerf > div > span ')
    for i in a:
        if i.get_text()!="查看全文":
            neirongs.append(i)
    numbers=soup.select('div.stats span.stats-vote i')
    discuss=soup.select('div.stats span.stats-comments i')
    for author ,neirong,number,discuss_one in zip(authors,neirongs,numbers,discuss):
        data={
            "author":author.get_text().strip(),
            "neirong":neirong.get_text().strip(),
            "number":int(number.get_text()),
            "discuss":discuss_one.get_text(),
        }
        print(data)
        sheet_2.insert_one(data)

for url in urls:
    getone_url(url)
    time.sleep(2)

# for item in sheet_2.find({'number':{'$gte':3000}}):
#     print (item['neirong'])
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末袜啃,一起剝皮案震驚了整個(gè)濱河市汗侵,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌群发,老刑警劉巖晰韵,帶你破解...
    沈念sama閱讀 216,843評(píng)論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異也物,居然都是意外死亡宫屠,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,538評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門滑蚯,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)浪蹂,“玉大人,你說(shuō)我怎么就攤上這事告材±ご危” “怎么了?”我有些...
    開封第一講書人閱讀 163,187評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵斥赋,是天一觀的道長(zhǎng)缰猴。 經(jīng)常有香客問(wèn)我,道長(zhǎng)疤剑,這世上最難降的妖魔是什么滑绒? 我笑而不...
    開封第一講書人閱讀 58,264評(píng)論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮隘膘,結(jié)果婚禮上疑故,老公的妹妹穿的比我還像新娘。我一直安慰自己弯菊,他們只是感情好纵势,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,289評(píng)論 6 390
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著管钳,像睡著了一般钦铁。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上才漆,一...
    開封第一講書人閱讀 51,231評(píng)論 1 299
  • 那天牛曹,我揣著相機(jī)與錄音,去河邊找鬼栽烂。 笑死躏仇,一個(gè)胖子當(dāng)著我的面吹牛恋脚,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播焰手,決...
    沈念sama閱讀 40,116評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼糟描,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了书妻?” 一聲冷哼從身側(cè)響起船响,我...
    開封第一講書人閱讀 38,945評(píng)論 0 275
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎躲履,沒想到半個(gè)月后见间,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,367評(píng)論 1 313
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡工猜,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,581評(píng)論 2 333
  • 正文 我和宋清朗相戀三年米诉,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片篷帅。...
    茶點(diǎn)故事閱讀 39,754評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡史侣,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出魏身,到底是詐尸還是另有隱情惊橱,我是刑警寧澤,帶...
    沈念sama閱讀 35,458評(píng)論 5 344
  • 正文 年R本政府宣布箭昵,位于F島的核電站税朴,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏家制。R本人自食惡果不足惜正林,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,068評(píng)論 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望颤殴。 院中可真熱鬧卓囚,春花似錦、人聲如沸诅病。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,692評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)贤笆。三九已至,卻和暖如春讨阻,著一層夾襖步出監(jiān)牢的瞬間芥永,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,842評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工钝吮, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留埋涧,地道東北人板辽。 一個(gè)月前我還...
    沈念sama閱讀 47,797評(píng)論 2 369
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像棘催,于是被迫代替她去往敵國(guó)和親劲弦。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,654評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容