Python實(shí)戰(zhàn)計(jì)劃學(xué)習(xí)筆記-抓取動態(tài)網(wǎng)頁

展示代碼###

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from bs4 import BeautifulSoup
import requests
import time

info = []

headers = {
    'cookie': '_gat=1; gr_user_id=7e4ae08a-42a2-4645-bcdc-c5121ebf4c28; _knewone_v2_session=bUswaVJNb2poakxGZVUwRmQ0V0dqWm9sOFpQVDBjMWF1b0grazh0Q1l6dGpub3BHK1JSanV2OGc0ZmhDZitBMkNCZFY5T2JZQ1ZxN0ZpM0dONExsN3AwREtLcmw3dC9Ub1hKbnk5N3NabG1oTGdHU01EM0lHZU5nQWRGRGdaZUhhV1crYTY4Zlk4NGdUSjhmak1jSFVNSSt1YzNEOVY5bS9zVC8rbkJHT282M0dheXpwT0FNWDFoV1lZQ0hNcnp5LS1qbEM3TStTRDNVOFFLWkF3UEh6QzNBPT0%3D--62e609c4894070dfadfe1ddfd816eae455c0803e; _ga=GA1.2.1202148329.1464331142; Hm_lvt_b44696b80ba45a90a23982e53f8347d0=1464331143; Hm_lpvt_b44696b80ba45a90a23982e53f8347d0=1464331216; gr_session_id_e7b7e334c98d4530928513e7439f9ed2=65a4dbb6-0a13-4293-8745-06637ceba521',
    'referer': 'https://knewone.com/things',
    'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.110 Safari/537.36',
    'x-csrf-token': 'W+zjfj7CxkXZvvltEUXvvLWVrEMMdQZFgV7wgdQx5On71c+Iqo9YcmlK1u+Cdz7V92NR59vOyBQaOfzbMcKCeA==',
}


def getText(item):
    return '' if item == 0 else ''.join(item.get_text().replace('\n', ''))


def getPic(item):
    return '' if item == 0 else ''.join(item.get('src'))


def getUrl(item):
    return '' if item == 0 else ''.join('https://knewone.com' + item.get('href'))



def getInfo(url, data=None):
    web_data = requests.get(url, headers=headers)
    web_data.encoding = "utf-8"
    if web_data.status_code == 200:
        soup = BeautifulSoup(web_data.text, 'html.parser')
        titles = soup.select('#things_list > article > section > h4 > a')
        pics = soup.select('#things_list > article > header > a > img')
        favos = soup.select('span.fanciers_count')
        links = soup.select('#things_list > article > header > a')
        if data == None:
            for title, pic, favo,link in zip(titles, pics, favos,links):
                time.sleep(2)
                data = {
                    'title': getText(title),
                    'pic': getPic(pic),
                    'favo': getText(favo),
                    'link': getUrl(link)
                }
                print(data)


def get_more_page(start, end):
    url = 'https://knewone.com/things?page='
    for i in range(start, end):
        getInfo(url + str(i))


get_more_page(1, 50)

出現(xiàn)問題###

gbk編碼.png

這是一個(gè)老生常談的問題梆奈,最主要是因?yàn)閜ycharm的編碼有問題莫鸭,只需要將IDE和Project 的編碼問題都改成UTF-8即可汰聋。

UTF-8編碼.png

這個(gè)問題是個(gè)大坑(找了好久我才搞定的/(ㄒoㄒ)/~~)精偿。只要網(wǎng)頁中有特殊字符棘劣,如 ° ,[B?hm]等离赫,抓取的時(shí)候就都會報(bào)錯(cuò)芭逝。
另外的附加解決方案是
a.加入shebang,他也只是解決IDE當(dāng)中的編碼問題

#!/usr/bin/env python
# -*- coding: utf-8 -*-

b.給網(wǎng)頁進(jìn)行編碼轉(zhuǎn)換,適用于輸出時(shí)有亂碼渊胸。尤其需要注意網(wǎng)頁的編碼形式旬盯,盡管大多數(shù)為UTF-8

    web_data = requests.get(url, headers=headers)
    web_data.encoding = "utf-8"

2.還有一個(gè)小坑,對tag使用.get() or .get_test()翎猛,有些需要加[0]胖翰,但是有些不需要

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市切厘,隨后出現(xiàn)的幾起案子萨咳,更是在濱河造成了極大的恐慌,老刑警劉巖疫稿,帶你破解...
    沈念sama閱讀 216,744評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件培他,死亡現(xiàn)場離奇詭異,居然都是意外死亡遗座,警方通過查閱死者的電腦和手機(jī)舀凛,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,505評論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來途蒋,“玉大人猛遍,你說我怎么就攤上這事『牌拢” “怎么了懊烤?”我有些...
    開封第一講書人閱讀 163,105評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長宽堆。 經(jīng)常有香客問我腌紧,道長,這世上最難降的妖魔是什么畜隶? 我笑而不...
    開封第一講書人閱讀 58,242評論 1 292
  • 正文 為了忘掉前任壁肋,我火速辦了婚禮逮光,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘墩划。我一直安慰自己涕刚,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,269評論 6 389
  • 文/花漫 我一把揭開白布乙帮。 她就那樣靜靜地躺著杜漠,像睡著了一般。 火紅的嫁衣襯著肌膚如雪察净。 梳的紋絲不亂的頭發(fā)上驾茴,一...
    開封第一講書人閱讀 51,215評論 1 299
  • 那天,我揣著相機(jī)與錄音氢卡,去河邊找鬼锈至。 笑死,一個(gè)胖子當(dāng)著我的面吹牛译秦,可吹牛的內(nèi)容都是我干的峡捡。 我是一名探鬼主播,決...
    沈念sama閱讀 40,096評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼筑悴,長吁一口氣:“原來是場噩夢啊……” “哼们拙!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起阁吝,我...
    開封第一講書人閱讀 38,939評論 0 274
  • 序言:老撾萬榮一對情侶失蹤砚婆,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后突勇,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體装盯,經(jīng)...
    沈念sama閱讀 45,354評論 1 311
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有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 37,573評論 2 333
  • 正文 我和宋清朗相戀三年甲馋,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了埂奈。 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。...
    茶點(diǎn)故事閱讀 39,745評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡摔刁,死狀恐怖挥转,靈堂內(nèi)的尸體忽然破棺而出海蔽,到底是詐尸還是另有隱情共屈,我是刑警寧澤,帶...
    沈念sama閱讀 35,448評論 5 344
  • 正文 年R本政府宣布党窜,位于F島的核電站拗引,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏幌衣。R本人自食惡果不足惜矾削,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,048評論 3 327
  • 文/蒙蒙 一壤玫、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧哼凯,春花似錦欲间、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,683評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至蝴光,卻和暖如春她渴,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背蔑祟。 一陣腳步聲響...
    開封第一講書人閱讀 32,838評論 1 269
  • 我被黑心中介騙來泰國打工趁耗, 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,地道東北人疆虚。 一個(gè)月前我還...
    沈念sama閱讀 47,776評論 2 369
  • 正文 我出身青樓苛败,卻偏偏與公主長得像,于是被迫代替她去往敵國和親径簿。 傳聞我的和親對象是個(gè)殘疾皇子著拭,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,652評論 2 354

推薦閱讀更多精彩內(nèi)容