(Python進(jìn)階之路)爬蟲(chóng)獲取糗事百科

    學(xué)習(xí)Python后,就想著自己能夠做一些小玩意來(lái)實(shí)踐一下學(xué)習(xí)效果霸饲。下面是簡(jiǎn)單的爬蟲(chóng)實(shí)現(xiàn)它改。

目標(biāo):
1.抓取糗事百科的段子
2.將段子保存到本地文件
我們首先先分析糗事百科的頁(yè)面

Paste_Image.png

每個(gè)段子都是以author clearfix開(kāi)始,下面的div分別是內(nèi)容慌核,用戶名距境,點(diǎn)贊數(shù)等。今天這個(gè)例子中獲取用戶名垮卓,內(nèi)容以及點(diǎn)贊數(shù)垫桂。從html文件中獲取這些信息就要用到正則表達(dá)式了,python中提供了RE庫(kù)完美解決了這個(gè)問(wèn)題粟按。

pattern = re.compile('<div class="author.*?>.*?<h2>(.*?)</h2>.*?<span>(.*?)</span>.*?<span class="stats.*? class="number">(.*?)</i>',re.S)
items = re.findall(pattern, respone.text)

上面這段代碼就是從html文件中解析我們所需要的內(nèi)容诬滩。(.*?)是一個(gè)group,就是我們需要保存的內(nèi)容灭将。

獲取頁(yè)面的話用requests就可以了疼鸟。下面是部分代碼。

import re
import requests
# url = "http://www.qiushibaike.com/hot/"
url = "http://www.qiushibaike.com/8hr/page/2/?s=4975313"
session = requests.session()
agent = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36"
host = "www.qiushibaike.com"
headers = {
    'Host':host,
    'User-Agent':agent
}

respone = session.get(url)
pattern = re.compile('<div class="author.*?>.*?<h2>(.*?)</h2>.*?<span>(.*?)</span>.*?<span class="stats.*? class="number">(.*?)</i>',re.S)
items = re.findall(pattern, respone.text)
for item in items:
    print("author="+ item[0]+ "\n" + "articl="+ item[1] + "\n" + "vote=" + item[2])

完整代碼:

import re
import requests
import time
import random
class QSBK:
    def __init__(self):
        self.pageIndex = 1
        self.user_agent = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36"
        self.host = url = "http://www.qiushibaike.com/8hr/page/"+str(pageIndex) +"/?s=4975313"
        self.headers = {
            'Host':self.host,
            'User-Agent':self.user_agent
        }
        self.stories = []
        self.session = requests.session()
        self.enable = False

    def getPage(self,pageIndex):
        url = "http://www.qiushibaike.com/"
              # + str(random.randint(100000,999999))
        try:
            resopne = self.session.get(url)
            if resopne.text:
                return resopne.text
        except:
            print("network wrong")

    def getPageItems(self, pageIndex):
        pageStories = []
        pageCode = self.getPage(pageIndex)
        if not pageCode:
            print("獲取頁(yè)面失斆硎铩空镜!")
        pattern = re.compile('<div class="author.*?>.*?<h2>(.*?)</h2>.*?<span>(.*?)</span>.*?<span class="stats.*? class="number">(.*?)</i>',re.S)
        items = re.findall(pattern, pageCode)
        for item in items:
            pageStories.append([item[0], item[1], item[2]])
        return pageStories

    # 加載并提取頁(yè)面的內(nèi)容,加入到列表中
    def loadPage(self):
        # 如果當(dāng)前未看的頁(yè)數(shù)少于2頁(yè),則加載新一頁(yè)
        if self.enable == True:
            if len(self.stories) < 2:
                # 獲取新一頁(yè)
                pageStories = self.getPageItems(self.pageIndex)
                # 將該頁(yè)的段子存放到全局list中
                if pageStories:
                    self.stories.append(pageStories)
                    # 獲取完之后頁(yè)碼索引加一姑裂,表示下次讀取下一頁(yè)
                    self.pageIndex += 1

    def getOneStoty(self, pageStories, page):
        for story in pageStories:
            game = input()
            self.loadPage()
            if game =="Q":
                self.enable = False
                return
            #將段子保存到文件馋袜,write中a參數(shù)表示文件中增加內(nèi)容
            try:
                f = open('qsbks.txt','a')
                f.write(story[0] + '\n' + story[1] + '\n' + story[2]+'\n\n')
            finally:
                f.close()
            print("第%s頁(yè)\t發(fā)布人:%s\t\n%s\n贊:%s" %(page, story[0],story[1], story[2]))

    def start(self):
        print("正在讀取糗事百科")
        self.enable = True
        self.loadPage()
        nowPage = 0
        while self.enable:
            if len(self.stories) > 0:
                pageStories = self.stories[0]
                nowPage+=1
                del self.stories[0]
                self.getOneStoty(pageStories, nowPage)



spider = QSBK()
spider.start()
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,一起剝皮案震驚了整個(gè)濱河市舶斧,隨后出現(xiàn)的幾起案子欣鳖,更是在濱河造成了極大的恐慌,老刑警劉巖茴厉,帶你破解...
    沈念sama閱讀 216,651評(píng)論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件泽台,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡矾缓,警方通過(guò)查閱死者的電腦和手機(jī)怀酷,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,468評(píng)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(lái)嗜闻,“玉大人蜕依,你說(shuō)我怎么就攤上這事×瘀ǎ” “怎么了样眠?”我有些...
    開(kāi)封第一講書人閱讀 162,931評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)翠肘。 經(jīng)常有香客問(wèn)我檐束,道長(zhǎng),這世上最難降的妖魔是什么束倍? 我笑而不...
    開(kāi)封第一講書人閱讀 58,218評(píng)論 1 292
  • 正文 為了忘掉前任被丧,我火速辦了婚禮,結(jié)果婚禮上绪妹,老公的妹妹穿的比我還像新娘甥桂。我一直安慰自己,他們只是感情好喂急,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,234評(píng)論 6 388
  • 文/花漫 我一把揭開(kāi)白布格嘁。 她就那樣靜靜地躺著笛求,像睡著了一般廊移。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上探入,一...
    開(kāi)封第一講書人閱讀 51,198評(píng)論 1 299
  • 那天狡孔,我揣著相機(jī)與錄音,去河邊找鬼蜂嗽。 笑死苗膝,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的植旧。 我是一名探鬼主播辱揭,決...
    沈念sama閱讀 40,084評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼离唐,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)了问窃?” 一聲冷哼從身側(cè)響起亥鬓,我...
    開(kāi)封第一講書人閱讀 38,926評(píng)論 0 274
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎域庇,沒(méi)想到半個(gè)月后嵌戈,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 45,341評(píng)論 1 311
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡听皿,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 37,563評(píng)論 2 333
  • 正文 我和宋清朗相戀三年熟呛,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尉姨。...
    茶點(diǎn)故事閱讀 39,731評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡庵朝,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出又厉,到底是詐尸還是另有隱情偿短,我是刑警寧澤,帶...
    沈念sama閱讀 35,430評(píng)論 5 343
  • 正文 年R本政府宣布馋没,位于F島的核電站昔逗,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏篷朵。R本人自食惡果不足惜勾怒,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,036評(píng)論 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望声旺。 院中可真熱鬧笔链,春花似錦、人聲如沸腮猖。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 31,676評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)澈缺。三九已至坪创,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間姐赡,已是汗流浹背莱预。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 32,829評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留项滑,地道東北人依沮。 一個(gè)月前我還...
    沈念sama閱讀 47,743評(píng)論 2 368
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親危喉。 傳聞我的和親對(duì)象是個(gè)殘疾皇子宋渔,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,629評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容