实例介绍
mport requests from lxml import etree class Tieba(object): def __init__(self,name): self.url = "https://tieba.baidu.com/f?ie=utf-8&kw={}".format(name) self.headers1 = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36 Edg/89.0.774.57"} # self.headers = {"User-Agent":"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; en) Opera 9.50"} def get_data(self,url): response = requests.get(url,headers=self.headers1) with open("./temp.html","wb") as f: f.write(response.content) return response.content def parse_data(self,data): # 创建element对象 data = data.decode().replace("<!--","").replace("-->","") html = etree.HTML(data) el_list = html.xpath('//li[@class=" j_thread_list clearfix thread_item_box"]/div/div[2]/div[1]/div[1]/a') # print(len(el_list)) data_list = [] for el in el_list: temp ={} temp['title'] = el.xpath("./text()")[0] temp['link'] = 'http://tieba.baidu.com' el.xpath("./@href")[0] data_list.append(temp) # 获取下一页url 找翻页url尽量不要使用索引 try: #next_url = 'https:' html.xpath('//a[@class="next pagination-item"]/@href') next_url = 'https:' html.xpath('//a[contains(text(),"下一页>")]/@href')[0] except: next_url = None return data_list,next_url def save_data(self,data_list): for data in data_list: print(data) def run(self): # url # headers next_url = self.url while True: # 发送请求,获取响应 data = self.get_data(next_url) # 从响应获取数据(数据和翻页用的url) data_list,next_url = self.parse_data(data) self.save_data(data_list) # print(next_url,"----------------------------------") # 判断是否终结 if next_url == None: break if __name__ == '__main__': tieba = Tieba("传智播客") tieba.run()

好例子网口号:伸出你的我的手 — 分享!
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论