交作業(yè) 爬美股吧

作業(yè)要求:
東方財(cái)富網(wǎng)美股吧貼子數(shù)據(jù) 包含:瀏覽數(shù)佳谦、評(píng)論數(shù) 、帖子標(biāo)題 洪唐、帖子內(nèi)容 尺锚、回復(fù)人、 回復(fù)時(shí)間讶凉、 回復(fù)內(nèi)容http://guba.eastmoney.com/list,meigu.html

這個(gè)網(wǎng)站作為練習(xí)提升挺大的染乌,有很多小細(xì)節(jié)要摳,花了好多時(shí)間懂讯,還是沒(méi)搞完荷憋。目前能爬,但是有一些編碼和最后數(shù)據(jù)處理的問(wèn)題還沒(méi)解決褐望。不知為何勒庄。先交。

# -*- coding:utf-8 -*-
import requests
from lxml import etree
import csv

import sys

reload(sys)
sys.setdefaultencoding('utf-8')

start_url = "http://guba.eastmoney.com/list,meigu_1.html"
headers = {
    "User-Agent": "Mozilla / 5.0(Windows NT 6.1;Win64;x64)"
                  "AppleWebKit / 537.36(KHTML, likeGecko)"
                  "Chrome / 58.0.3029.110"
                  "Safari / 537.36"
}


# def get_total_page(start_url):
#    html = requests.get(url=start_url, headers=headers).content
#    selector = etree.HTML(html)
#    sum_page = selector.xpath("http://span[@class='sumpage']/text()")
#    return sum_page


def parse_title():
    # sum_page = get_total_page(start_url)
    rows = []
    for num in range(1, 23):
        url = "http://guba.eastmoney.com/list,meigu_" + str(num) + ".html"
        html = requests.get(url=url, headers=headers).content
        selector = etree.HTML(html)
        items = selector.xpath("http://div[@id='articlelistnew']/div[position()>1 and position()<last()]")
        for item in items:
            title = item.xpath("span[@class='l3']/a/text()")[0].decode(encoding='utf-8')
            author = item.xpath("span[@class='l4']/a/text()")
            read = item.xpath("span[@class='l1']/text()")[0]
            comment_num = item.xpath("span[@class='l2']/text()")[0]
            post_time = item.xpath("span[@class='l6']/text()")[0]
            last_update = item.xpath("span[@class='l5']/text()")[0]
            link = item.xpath("span[@class='l3']/a/@href")
            rows.append(
                {'title': title, 'author': author, 'read': read, 'comment_num': comment_num, 'post_time': post_time,
                 'last_update': last_update, 'link': link})
    return rows


def parse_content_comment():
    links = []
    temp = parse_title()
    for item in temp:
        links.append(item['link'][0])
    rows = []
    for link in links[0:8]:
        url = "http://guba.eastmoney.com/" + link
        html = requests.get(url=url, headers=headers).content
        selector = etree.HTML(html)
        lines = {}
        lines['content'] = selector.xpath("http://div[@class='stockcodec']/text()")
        comments = selector.xpath("http://div[@id='zwlist']")
        for item in comments:
            if item.xpath("div[@class='zwli clearfix']"):
                name = item.xpath("div/div/div/div[@class='zwlianame']/span/a/text()")
                comment = item.xpath("div/div/div/div[@class='zwlitext stockcodec']/text()")
                time = item.xpath("div/div/div/div[@class='zwlitime']/text()")
                lines['name'] = name
                lines['comment'] = comment
                lines['time'] = time
            else:
                lines['name'] = 'none'
                lines['comment'] = 'none'
                lines['time'] = 'none'
            rows.append(lines)
    for link in links[8:]:
        url = "http://guba.eastmoney.com" + link
        html = requests.get(url=url, headers=headers).content
        selector = etree.HTML(html)
        lines = {}
        lines['content'] = selector.xpath("http://div[@class='stockcodec']/text()")
        comments = selector.xpath("http://div[@id='zwlist']")
        for item in comments:
            if item.xpath("div[@class='zwli clearfix']"):
                name = item.xpath("div/div/div/div[@class='zwlianame']/span/a/text()")
                comment = item.xpath("div/div/div/div[@class='zwlitext stockcodec']/text()")
                time = item.xpath("div/div/div/div[@class='zwlitime']/text()")
                lines['name'] = name
                lines['comment'] = comment
                lines['time'] = time
            else:
                lines['name'] = 'none'
                lines['comment'] = 'none'
                lines['time'] = 'none'
            rows.append(lines)
    return rows


if __name__ == "__main__":
    headlines1 = ['title', 'author', 'read', 'comment_num', 'post_time', 'last_update', 'link']
    headlines2 = ['content', 'name', 'comment', 'time']
    #    get_total_page(start_url)
    rows1 = parse_title()
    rows2 = parse_content_comment()
    with open('eastmoney1.csv', 'w') as f:
        f_csv = csv.DictWriter(f, headlines1)
        f_csv.writeheader()
        f_csv.writerows(rows1)
    with open('eastmoney2.csv', 'w') as f:
        f_csv = csv.DictWriter(f, headlines2)
        f_csv.writeheader()
        f_csv.writerows(rows2)

思路很簡(jiǎn)單瘫里,代碼也很好懂实蔽。后來(lái)突然發(fā)現(xiàn)評(píng)論還有分頁(yè)的。先放著谨读,把這里處理完先局装。
結(jié)果

image.png
image.png

有點(diǎn)丑陋。漆腌。贼邓。

最后編輯于
?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:七十年代末阶冈,一起剝皮案震驚了整個(gè)濱河市闷尿,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌女坑,老刑警劉巖填具,帶你破解...
    沈念sama閱讀 211,376評(píng)論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異匆骗,居然都是意外死亡劳景,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 90,126評(píng)論 2 385
  • 文/潘曉璐 我一進(jìn)店門(mén)碉就,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)盟广,“玉大人,你說(shuō)我怎么就攤上這事瓮钥〗盍浚” “怎么了烹吵?”我有些...
    開(kāi)封第一講書(shū)人閱讀 156,966評(píng)論 0 347
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)桨武。 經(jīng)常有香客問(wèn)我肋拔,道長(zhǎng),這世上最難降的妖魔是什么呀酸? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,432評(píng)論 1 283
  • 正文 為了忘掉前任凉蜂,我火速辦了婚禮,結(jié)果婚禮上性誉,老公的妹妹穿的比我還像新娘窿吩。我一直安慰自己,他們只是感情好错览,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,519評(píng)論 6 385
  • 文/花漫 我一把揭開(kāi)白布爆存。 她就那樣靜靜地躺著,像睡著了一般蝗砾。 火紅的嫁衣襯著肌膚如雪先较。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 49,792評(píng)論 1 290
  • 那天悼粮,我揣著相機(jī)與錄音闲勺,去河邊找鬼。 笑死扣猫,一個(gè)胖子當(dāng)著我的面吹牛菜循,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播申尤,決...
    沈念sama閱讀 38,933評(píng)論 3 406
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼癌幕,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)了昧穿?” 一聲冷哼從身側(cè)響起勺远,我...
    開(kāi)封第一講書(shū)人閱讀 37,701評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎时鸵,沒(méi)想到半個(gè)月后胶逢,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,143評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡饰潜,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 36,488評(píng)論 2 327
  • 正文 我和宋清朗相戀三年初坠,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彭雾。...
    茶點(diǎn)故事閱讀 38,626評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡碟刺,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出薯酝,到底是詐尸還是另有隱情半沽,我是刑警寧澤身诺,帶...
    沈念sama閱讀 34,292評(píng)論 4 329
  • 正文 年R本政府宣布,位于F島的核電站抄囚,受9級(jí)特大地震影響霉赡,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜幔托,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,896評(píng)論 3 313
  • 文/蒙蒙 一穴亏、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧重挑,春花似錦嗓化、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,742評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至史煎,卻和暖如春谦屑,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背篇梭。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,977評(píng)論 1 265
  • 我被黑心中介騙來(lái)泰國(guó)打工氢橙, 沒(méi)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,地道東北人恬偷。 一個(gè)月前我還...
    沈念sama閱讀 46,324評(píng)論 2 360
  • 正文 我出身青樓悍手,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親袍患。 傳聞我的和親對(duì)象是個(gè)殘疾皇子坦康,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,494評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容

  • 作業(yè)鏈接 帖子網(wǎng)頁(yè)分析 帖子導(dǎo)航 http://guba.eastmoney.com/list,meigu_2.h...
    dpkBat閱讀 674評(píng)論 7 0
  • 一. Java基礎(chǔ)部分.................................................
    wy_sure閱讀 3,805評(píng)論 0 11
  • 最近一段時(shí)間也寫(xiě)過(guò)不少簡(jiǎn)單的爬蟲(chóng),但是覺(jué)得之前做的僅僅是換個(gè)網(wǎng)站诡延,重寫(xiě)下解析過(guò)程滞欠,最后保存下數(shù)據(jù)就完了。爬的次數(shù)多...
    chaosmind閱讀 873評(píng)論 8 0
  • 1. Java基礎(chǔ)部分 基礎(chǔ)部分的順序:基本語(yǔ)法孕暇,類相關(guān)的語(yǔ)法仑撞,內(nèi)部類的語(yǔ)法,繼承相關(guān)的語(yǔ)法妖滔,異常的語(yǔ)法,線程的語(yǔ)...
    子非魚(yú)_t_閱讀 31,598評(píng)論 18 399
  • 呼喚善良 前些日子看到朋友圈發(fā)了一個(gè)視頻:婦人一手持菜刀桶良,一手擒住一只雞座舍,正欲...
    陳東超閱讀 162評(píng)論 0 0