Python爬蟲(chóng)的N種姿勢(shì)

問(wèn)題的由來(lái)

??前幾天抬探，在微信公眾號(hào)（Python爬蟲(chóng)及算法）上有個(gè)人問(wèn)了筆者一個(gè)問(wèn)題针史，如何利用爬蟲(chóng)來(lái)實(shí)現(xiàn)如下的需求劝枣，需要爬取的網(wǎng)頁(yè)如下（網(wǎng)址為：https://www.wikidata.org/w/index.php?title=Special:WhatLinksHere/Q5&limit=500&from=0）：

??我們的需求為爬取紅色框框內(nèi)的名人（有500條記錄男韧，圖片只展示了一部分）的名字以及其介紹氢哮，關(guān)于其介紹皇型，點(diǎn)擊該名人的名字即可诬烹，如下圖：

name和description

這就意味著我們需要爬取500個(gè)這樣的頁(yè)面助析，即500個(gè)HTTP請(qǐng)求（暫且這么認(rèn)為吧），然后需要提取這些網(wǎng)頁(yè)中的名字和描述椅您，當(dāng)然有些不是名人外冀，也沒(méi)有描述，我們可以跳過(guò)掀泳。最后雪隧，這些網(wǎng)頁(yè)的網(wǎng)址在第一頁(yè)中的名人后面可以找到，如George Washington的網(wǎng)頁(yè)后綴為Q23.
??爬蟲(chóng)的需求大概就是這樣员舵。

爬蟲(chóng)的4種姿勢(shì)

??首先脑沿，分析來(lái)爬蟲(chóng)的思路：先在第一個(gè)網(wǎng)頁(yè)（https://www.wikidata.org/w/index.php?title=Special:WhatLinksHere/Q5&limit=500&from=0）中得到500個(gè)名人所在的網(wǎng)址，接下來(lái)就爬取這500個(gè)網(wǎng)頁(yè)中的名人的名字及描述马僻，如無(wú)描述庄拇，則跳過(guò)。
??接下來(lái)韭邓，我們將介紹實(shí)現(xiàn)這個(gè)爬蟲(chóng)的4種方法措近，并分析它們各自的優(yōu)缺點(diǎn)，希望能讓讀者對(duì)爬蟲(chóng)有更多的體會(huì)女淑。實(shí)現(xiàn)爬蟲(chóng)的方法為：

一般方法（同步瞭郑，requests+BeautifulSoup）
并發(fā)（使用concurrent.futures模塊以及requests+BeautifulSoup）
異步（使用aiohttp+asyncio+requests+BeautifulSoup）
使用框架Scrapy

一般方法

??一般方法即為同步方法，主要使用requests+BeautifulSoup鸭你，按順序執(zhí)行屈张。完整的Python代碼如下：

import requests
from bs4 import BeautifulSoup
import time

# 開(kāi)始時(shí)間
t1 = time.time()
print('#' * 50)

url = "http://www.wikidata.org/w/index.php?title=Special:WhatLinksHere/Q5&limit=500&from=0"
# 請(qǐng)求頭部
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}
# 發(fā)送HTTP請(qǐng)求
req = requests.get(url, headers=headers)
# 解析網(wǎng)頁(yè)
soup = BeautifulSoup(req.text, "lxml")
# 找到name和Description所在的記錄
human_list = soup.find(id='mw-whatlinkshere-list')('li')

urls = []
# 獲取網(wǎng)址
for human in human_list:
    url = human.find('a')['href']
    urls.append('https://www.wikidata.org'+url)

# 獲取每個(gè)網(wǎng)頁(yè)的name和description
def parser(url):
    req = requests.get(url)
    # 利用BeautifulSoup將獲取到的文本解析成HTML
    soup = BeautifulSoup(req.text, "lxml")
    # 獲取name和description
    name = soup.find('span', class_="wikibase-title-label")
    desc = soup.find('span', class_="wikibase-descriptionview-text")
    if name is not None and desc is not None:
        print('%-40s,\t%s'%(name.text, desc.text))

for url in urls:
    parser(url)

t2 = time.time() # 結(jié)束時(shí)間
print('一般方法，總共耗時(shí)：%s' % (t2 - t1))
print('#' * 50)

輸出的結(jié)果如下(省略中間的輸出袱巨，以......代替)：

##################################################
George Washington                       ,   first President of the United States
Douglas Adams                           ,   British author and humorist (1952–2001)
......
Willoughby Newton                       ,   Politician from Virginia, USA
Mack Wilberg                            ,   American conductor
一般方法阁谆，總共耗時(shí)：724.9654655456543
##################################################

使用同步方法，總耗時(shí)約725秒愉老，即12分鐘多场绿。
??一般方法雖然思路簡(jiǎn)單，容易實(shí)現(xiàn)俺夕，但效率不高裳凸，耗時(shí)長(zhǎng)。那么劝贸，使用并發(fā)試試看姨谷。

并發(fā)方法

??并發(fā)方法使用多線(xiàn)程來(lái)加速一般方法，我們使用的并發(fā)模塊為concurrent.futures模塊映九，設(shè)置多線(xiàn)程的個(gè)數(shù)為20個(gè)（實(shí)際不一定能達(dá)到梦湘，視計(jì)算機(jī)而定）。完整的Python代碼如下：

import requests
from bs4 import BeautifulSoup
import time
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED

# 開(kāi)始時(shí)間
t1 = time.time()
print('#' * 50)

url = "http://www.wikidata.org/w/index.php?title=Special:WhatLinksHere/Q5&limit=500&from=0"
# 請(qǐng)求頭部
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}
# 發(fā)送HTTP請(qǐng)求
req = requests.get(url, headers=headers)
# 解析網(wǎng)頁(yè)
soup = BeautifulSoup(req.text, "lxml")
# 找到name和Description所在的記錄
human_list = soup.find(id='mw-whatlinkshere-list')('li')

urls = []
# 獲取網(wǎng)址
for human in human_list:
    url = human.find('a')['href']
    urls.append('https://www.wikidata.org'+url)

# 獲取每個(gè)網(wǎng)頁(yè)的name和description
def parser(url):
    req = requests.get(url)
    # 利用BeautifulSoup將獲取到的文本解析成HTML
    soup = BeautifulSoup(req.text, "lxml")
    # 獲取name和description
    name = soup.find('span', class_="wikibase-title-label")
    desc = soup.find('span', class_="wikibase-descriptionview-text")
    if name is not None and desc is not None:
        print('%-40s,\t%s'%(name.text, desc.text))

# 利用并發(fā)加速爬取
executor = ThreadPoolExecutor(max_workers=20)
# submit()的參數(shù)： 第一個(gè)為函數(shù)， 之后為該函數(shù)的傳入?yún)?shù)捌议，允許有多個(gè)
future_tasks = [executor.submit(parser, url) for url in urls]
# 等待所有的線(xiàn)程完成哼拔，才進(jìn)入后續(xù)的執(zhí)行
wait(future_tasks, return_when=ALL_COMPLETED)

t2 = time.time() # 結(jié)束時(shí)間
print('并發(fā)方法，總共耗時(shí)：%s' % (t2 - t1))
print('#' * 50)

輸出的結(jié)果如下（省略中間的輸出瓣颅，以......代替)：

##################################################
Larry Sanger                            ,   American former professor, co-founder of Wikipedia, founder of Citizendium and other projects
Ken Jennings                            ,   American game show contestant and writer
......
Antoine de Saint-Exupery                ,   French writer and aviator
Michael Jackson                         ,   American singer, songwriter and dancer
并發(fā)方法倦逐，總共耗時(shí)：226.7499692440033
##################################################

使用多線(xiàn)程并發(fā)后的爬蟲(chóng)執(zhí)行時(shí)間約為227秒，大概是一般方法的三分之一的時(shí)間宫补，速度有了明顯的提升懊世选！多線(xiàn)程在速度上有明顯提升粉怕，但執(zhí)行的網(wǎng)頁(yè)順序是無(wú)序的健民，在線(xiàn)程的切換上開(kāi)銷(xiāo)也比較大，線(xiàn)程越多贫贝，開(kāi)銷(xiāo)越大秉犹。
??關(guān)于多線(xiàn)程與一般方法在速度上的比較，可以參考文章：Python爬蟲(chóng)之多線(xiàn)程下載豆瓣Top250電影圖片稚晚。

異步方法

??異步方法在爬蟲(chóng)中是有效的速度提升手段崇堵，使用aiohttp可以異步地處理HTTP請(qǐng)求，使用asyncio可以實(shí)現(xiàn)異步IO蜈彼，需要注意的是筑辨，aiohttp只支持3.5.3以后的Python版本。使用異步方法實(shí)現(xiàn)該爬蟲(chóng)的完整Python代碼如下：

import requests
from bs4 import BeautifulSoup
import time
import aiohttp
import asyncio

# 開(kāi)始時(shí)間
t1 = time.time()
print('#' * 50)

url = "http://www.wikidata.org/w/index.php?title=Special:WhatLinksHere/Q5&limit=500&from=0"
# 請(qǐng)求頭部
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}
# 發(fā)送HTTP請(qǐng)求
req = requests.get(url, headers=headers)
# 解析網(wǎng)頁(yè)
soup = BeautifulSoup(req.text, "lxml")
# 找到name和Description所在的記錄
human_list = soup.find(id='mw-whatlinkshere-list')('li')

urls = []
# 獲取網(wǎng)址
for human in human_list:
    url = human.find('a')['href']
    urls.append('https://www.wikidata.org'+url)

# 異步HTTP請(qǐng)求
async def fetch(session, url):
    async with session.get(url) as response:
        return await response.text()
        
# 解析網(wǎng)頁(yè)
async def parser(html):
    # 利用BeautifulSoup將獲取到的文本解析成HTML
    soup = BeautifulSoup(html, "lxml")
    # 獲取name和description
    name = soup.find('span', class_="wikibase-title-label")
    desc = soup.find('span', class_="wikibase-descriptionview-text")
    if name is not None and desc is not None:
        print('%-40s,\t%s'%(name.text, desc.text))

# 處理網(wǎng)頁(yè)幸逆，獲取name和description
async def download(url):
    async with aiohttp.ClientSession() as session:
        try:
            html = await fetch(session, url)
            await parser(html)
        except Exception as err:
            print(err)

# 利用asyncio模塊進(jìn)行異步IO處理
loop = asyncio.get_event_loop()
tasks = [asyncio.ensure_future(download(url)) for url in urls]
tasks = asyncio.gather(*tasks)
loop.run_until_complete(tasks)

t2 = time.time() # 結(jié)束時(shí)間
print('使用異步，總共耗時(shí)：%s' % (t2 - t1))
print('#' * 50)

輸出結(jié)果如下（省略中間的輸出暮现，以......代替)：

##################################################
Frédéric Tadde?                         ,   French journalist and TV host
Gabriel Gonzáles Videla                 ,   Chilean politician
......
Denmark                                 ,   sovereign state and Scandinavian country in northern Europe
Usain Bolt                              ,   Jamaican sprinter and soccer player
使用異步还绘，總共耗時(shí)：126.9002583026886
##################################################

顯然，異步方法使用了異步和并發(fā)兩種提速方法栖袋，自然在速度有明顯提升拍顷，大約為一般方法的六分之一。異步方法雖然效率高塘幅，但需要掌握異步編程昔案，這需要學(xué)習(xí)一段時(shí)間。
??關(guān)于異步方法與一般方法在速度上的比較电媳，可以參考文章：利用aiohttp實(shí)現(xiàn)異步爬蟲(chóng)踏揣。
??如果有人覺(jué)得127秒的爬蟲(chóng)速度還是慢，可以嘗試一下異步代碼（與之前的異步代碼的區(qū)別在于：僅僅使用了正則表達(dá)式代替BeautifulSoup來(lái)解析網(wǎng)頁(yè)匾乓，以提取網(wǎng)頁(yè)中的內(nèi)容）：

import requests
from bs4 import BeautifulSoup
import time
import aiohttp
import asyncio
import re

# 開(kāi)始時(shí)間
t1 = time.time()
print('#' * 50)

url = "http://www.wikidata.org/w/index.php?title=Special:WhatLinksHere/Q5&limit=500&from=0"
# 請(qǐng)求頭部
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}
# 發(fā)送HTTP請(qǐng)求
req = requests.get(url, headers=headers)
# 解析網(wǎng)頁(yè)
soup = BeautifulSoup(req.text, "lxml")
# 找到name和Description所在的記錄
human_list = soup.find(id='mw-whatlinkshere-list')('li')

urls = []
# 獲取網(wǎng)址
for human in human_list:
    url = human.find('a')['href']
    urls.append('https://www.wikidata.org' + url)

# 異步HTTP請(qǐng)求
async def fetch(session, url):
    async with session.get(url) as response:
        return await response.text()

# 解析網(wǎng)頁(yè)
async def parser(html):
    # 利用正則表達(dá)式解析網(wǎng)頁(yè)
    try:
        name = re.findall(r'<span class="wikibase-title-label">(.+?)</span>', html)[0]
        desc = re.findall(r'<span class="wikibase-descriptionview-text">(.+?)</span>', html)[0]
        print('%-40s,\t%s' % (name, desc))
    except Exception as err:
        pass

# 處理網(wǎng)頁(yè)捞稿，獲取name和description
async def download(url):
    async with aiohttp.ClientSession() as session:
        try:
            html = await fetch(session, url)
            await parser(html)
        except Exception as err:
            print(err)

# 利用asyncio模塊進(jìn)行異步IO處理
loop = asyncio.get_event_loop()
tasks = [asyncio.ensure_future(download(url)) for url in urls]
tasks = asyncio.gather(*tasks)
loop.run_until_complete(tasks)

t2 = time.time()  # 結(jié)束時(shí)間
print('使用異步（正則表達(dá)式），總共耗時(shí)：%s' % (t2 - t1))
print('#' * 50)

輸出的結(jié)果如下（省略中間的輸出，以......代替)：

##################################################
Dejen Gebremeskel                       ,   Ethiopian long-distance runner
Erik Kynard                             ,   American high jumper
......
Buzz Aldrin                             ,   American astronaut
Egon Krenz                              ,   former General Secretary of the Socialist Unity Party of East Germany
使用異步（正則表達(dá)式）娱局，總共耗時(shí)：16.521944999694824
##################################################

16.5秒彰亥，僅僅為一般方法的43分之一，速度如此之快衰齐，令人咋舌（感謝某人提供的嘗試）任斋。筆者雖然自己實(shí)現(xiàn)了異步方法，但用的是BeautifulSoup來(lái)解析網(wǎng)頁(yè)耻涛，耗時(shí)127秒废酷，沒(méi)想到使用正則表達(dá)式就取得了如此驚人的效果∪冢可見(jiàn)锦积，BeautifulSoup解析網(wǎng)頁(yè)雖然快，但在異步方法中歉嗓，還是限制了速度丰介。但這種方法的缺點(diǎn)為，當(dāng)你需要爬取的內(nèi)容比較復(fù)雜時(shí)鉴分，一般的正則表達(dá)式就難以勝任了哮幢，需要另想辦法。

爬蟲(chóng)框架Scrapy

??最后志珍，我們使用著名的Python爬蟲(chóng)框架Scrapy來(lái)解決這個(gè)爬蟲(chóng)橙垢。我們創(chuàng)建的爬蟲(chóng)項(xiàng)目為wikiDataScrapy，項(xiàng)目結(jié)構(gòu)如下：

wikiDataScrapy項(xiàng)目

在settings.py中設(shè)置“ROBOTSTXT_OBEY = False”. 修改items.py伦糯，代碼如下：

# -*- coding: utf-8 -*-

import scrapy

class WikidatascrapyItem(scrapy.Item):
    # define the fields for your item here like:
    name = scrapy.Field()
    desc = scrapy.Field()

然后柜某，在spiders文件夾下新建wikiSpider.py，代碼如下:

import scrapy.cmdline
from wikiDataScrapy.items import WikidatascrapyItem
import requests
from bs4 import BeautifulSoup

# 獲取請(qǐng)求的500個(gè)網(wǎng)址敛纲，用requests+BeautifulSoup搞定
def get_urls():
    url = "http://www.wikidata.org/w/index.php?title=Special:WhatLinksHere/Q5&limit=500&from=0"
    # 請(qǐng)求頭部
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36'}
    # 發(fā)送HTTP請(qǐng)求
    req = requests.get(url, headers=headers)
    # 解析網(wǎng)頁(yè)
    soup = BeautifulSoup(req.text, "lxml")
    # 找到name和Description所在的記錄
    human_list = soup.find(id='mw-whatlinkshere-list')('li')

    urls = []
    # 獲取網(wǎng)址
    for human in human_list:
        url = human.find('a')['href']
        urls.append('https://www.wikidata.org' + url)

    # print(urls)
    return urls

# 使用scrapy框架爬取
class bookSpider(scrapy.Spider):
    name = 'wikiScrapy'  # 爬蟲(chóng)名稱(chēng)
    start_urls = get_urls()  # 需要爬取的500個(gè)網(wǎng)址

    def parse(self, response):
        item = WikidatascrapyItem()
        # name and description
        item['name'] = response.css('span.wikibase-title-label').xpath('text()').extract_first()
        item['desc'] = response.css('span.wikibase-descriptionview-text').xpath('text()').extract_first()

        yield item

# 執(zhí)行該爬蟲(chóng)喂击，并轉(zhuǎn)化為csv文件
scrapy.cmdline.execute(['scrapy', 'crawl', 'wikiScrapy', '-o', 'wiki.csv', '-t', 'csv'])

輸出結(jié)果如下（只包含最后的Scrapy信息總結(jié)部分）：

{'downloader/request_bytes': 166187,
 'downloader/request_count': 500,
 'downloader/request_method_count/GET': 500,
 'downloader/response_bytes': 18988798,
 'downloader/response_count': 500,
 'downloader/response_status_count/200': 500,
 'finish_reason': 'finished',
 'finish_time': datetime.datetime(2018, 10, 16, 9, 49, 15, 761487),
 'item_scraped_count': 500,
 'log_count/DEBUG': 1001,
 'log_count/INFO': 8,
 'response_received_count': 500,
 'scheduler/dequeued': 500,
 'scheduler/dequeued/memory': 500,
 'scheduler/enqueued': 500,
 'scheduler/enqueued/memory': 500,
 'start_time': datetime.datetime(2018, 10, 16, 9, 48, 44, 58673)}

可以看到，已成功爬取500個(gè)網(wǎng)頁(yè)淤翔，耗時(shí)31秒翰绊，速度也相當(dāng)OK。再來(lái)看一下生成的wiki.csv文件旁壮，它包含了所有的輸出的name和description监嗜，如下圖：

輸出的CSV文件（部分）

可以看到，輸出的CSV文件的列并不是有序的抡谐。至于如何解決Scrapy輸出的CSV文件有換行的問(wèn)題裁奇，請(qǐng)參考stackoverflow上的回答：https://stackoverflow.com/questions/39477662/scrapy-csv-file-has-uniform-empty-rows/43394566#43394566 。

??Scrapy來(lái)制作爬蟲(chóng)的優(yōu)勢(shì)在于它是一個(gè)成熟的爬蟲(chóng)框架童叠，支持異步框喳，并發(fā)课幕，容錯(cuò)性較好（比如本代碼中就沒(méi)有處理找不到name和description的情形），但如果需要頻繁地修改中間件五垮，則還是自己寫(xiě)個(gè)爬蟲(chóng)比較好乍惊，而且它在速度上沒(méi)有超過(guò)我們自己寫(xiě)的異步爬蟲(chóng)，至于能自動(dòng)導(dǎo)出CSV文件這個(gè)功能放仗，還是相當(dāng)實(shí)在的润绎。

總結(jié)

??本文內(nèi)容較多，比較了4種爬蟲(chóng)方法诞挨，每種方法都有自己的利弊莉撇，已在之前的陳述中給出，當(dāng)然惶傻，在實(shí)際的問(wèn)題中棍郎，并不是用的工具或方法越高級(jí)就越好，具體問(wèn)題具體分析嘛~
??本文到此結(jié)束银室，感謝閱讀哦~

注意：本人現(xiàn)已開(kāi)通微信公眾號(hào)： Python爬蟲(chóng)與算法（微信號(hào)為：easy_web_scrape）涂佃，歡迎大家關(guān)注哦~~

?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

人面猴
序言：七十年代末，一起剝皮案震驚了整個(gè)濱河市蜈敢，隨后出現(xiàn)的幾起案子辜荠，更是在濱河造成了極大的恐慌，老刑警劉巖抓狭，帶你破解...
沈念sama閱讀 219,039評(píng)論 6贊 508
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件伯病，死亡現(xiàn)場(chǎng)離奇詭異，居然都是意外死亡否过，警方通過(guò)查閱死者的電腦和手機(jī)午笛，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 93,426評(píng)論 3贊 395
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門(mén)，熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)苗桂，“玉大人季研，你說(shuō)我怎么就攤上這事∮欤” “怎么了？”我有些...
開(kāi)封第一講書(shū)人閱讀 165,417評(píng)論 0贊 356
道士緝兇錄：失蹤的賣(mài)姜人
文/不壞的土叔我叫張陵惹谐，是天一觀(guān)的道長(zhǎng)持偏。經(jīng)常有香客問(wèn)我，道長(zhǎng)氨肌，這世上最難降的妖魔是什么鸿秆？我笑而不...
開(kāi)封第一講書(shū)人閱讀 58,868評(píng)論 1贊 295
?港島之戀（遺憾婚禮）
正文為了忘掉前任，我火速辦了婚禮怎囚，結(jié)果婚禮上卿叽，老公的妹妹穿的比我還像新娘桥胞。我一直安慰自己，他們只是感情好考婴，可當(dāng)我...
茶點(diǎn)故事閱讀 67,892評(píng)論 6贊 392
惡毒庶女頂嫁案：這布局不是一般人想出來(lái)的
文/花漫我一把揭開(kāi)白布贩虾。她就那樣靜靜地躺著，像睡著了一般沥阱。火紅的嫁衣襯著肌膚如雪缎罢。梳的紋絲不亂的頭發(fā)上，一...
開(kāi)封第一講書(shū)人閱讀 51,692評(píng)論 1贊 305
城市分裂傳說(shuō)
那天考杉，我揣著相機(jī)與錄音策精，去河邊找鬼。笑死崇棠，一個(gè)胖子當(dāng)著我的面吹牛咽袜，可吹牛的內(nèi)容都是我干的。我是一名探鬼主播枕稀，決...
沈念sama閱讀 40,416評(píng)論 3贊 419
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開(kāi)眼询刹，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)了抽莱？” 一聲冷哼從身側(cè)響起范抓，我...
開(kāi)封第一講書(shū)人閱讀 39,326評(píng)論 0贊 276
萬(wàn)榮殺人案實(shí)錄
序言：老撾萬(wàn)榮一對(duì)情侶失蹤，失蹤者是張志新（化名）和其女友劉穎食铐，沒(méi)想到半個(gè)月后匕垫，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 45,782評(píng)論 1贊 316
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡虐呻，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 37,957評(píng)論 3贊 337
?白月光啟示錄
正文我和宋清朗相戀三年象泵，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斟叼。...
茶點(diǎn)故事閱讀 40,102評(píng)論 1贊 350
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡偶惠，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出朗涩，到底是詐尸還是另有隱情忽孽，我是刑警寧澤，帶...
沈念sama閱讀 35,790評(píng)論 5贊 346
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布谢床，位于F島的核電站兄一，受9級(jí)特大地震影響，放射性物質(zhì)發(fā)生泄漏识腿。R本人自食惡果不足惜出革，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 41,442評(píng)論 3贊 331
男人毒藥：我在死后第九天來(lái)索命
文/蒙蒙一、第九天我趴在偏房一處隱蔽的房頂上張望渡讼。院中可真熱鬧骂束，春花似錦耳璧、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 31,996評(píng)論 0贊 22
一樁弒父案旨枯，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽(yáng)。三九已至析藕，卻和暖如春召廷，著一層夾襖步出監(jiān)牢的瞬間，已是汗流浹背账胧。一陣腳步聲響...
開(kāi)封第一講書(shū)人閱讀 33,113評(píng)論 1贊 272
情欲美人皮
我被黑心中介騙來(lái)泰國(guó)打工竞慢，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，地道東北人治泥。一個(gè)月前我還...
沈念sama閱讀 48,332評(píng)論 3贊 373
代替公主和親
正文我出身青樓筹煮，卻偏偏與公主長(zhǎng)得像，于是被迫代替她去往敵國(guó)和親居夹。傳聞我的和親對(duì)象是個(gè)殘疾皇子败潦，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 45,044評(píng)論 2贊 355