实例介绍
【实例简介】
通过爬虫爬取黑马论坛“Python 人工智能技术交流”版块下的帖子信息。仅供学习参考使用。
【实例截图】
生成的文件json文件内容:
【核心代码】
import requests
import json
from lxml import etree
def load_page(url):
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36"}
request = requests.get(url, headers=headers)
html = request.text
return html
def parse_html(html):
text = etree.HTML(html)
items = [] # 以列表的方式保存所有内容信息
nodelist = text.xpath("//*[@id='threadlisttableid']/tbody")
for node in nodelist:
# 文章标题
title = node.xpath("./tr/th/a[1]/text()")
# 文章链接
title_url = node.xpath("./tr/th/a[1]/@href")
# 发帖人
author = node.xpath("./tr/th/div[2]/i[1]/a/span/text()")
# 时间
date = node.xpath("./tr/th/div[2]/i[1]/span[1]/text()")
# 把一条记录放到一起,json字符串
item = {
"文章标题": title,
"文章链接": title_url,
"发帖人": author,
"时间": date
}
items.append(item)
return items
def save_files(items):
with open("heimabbs.json", "w ", encoding="utf-8") as f:
f.write(json.dumps(items, ensure_ascii=False))
def page_ctl(start_page, end_page):
data_all = []
for page in range(start_page, end_page 1):
url = f'http://bbs.itheima.com/forum-425-{page}.html'
print("Loading page:" str(page))
html = load_page(url)
data = parse_html(html)
data_all = data_all data
save_files(data_all)
if __name__ == '__main__':
start = input("请输入起始页:")
end = input("请输入结束页:")
page_ctl(int(start), int(end))
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