简书30日排行爬虫代码

#Python 3.5
#By A_lPha
#http://blog.csdn.net/a_lpha

from urllib.request import urlopen
from bs4 import BeautifulSoup
import requests
import re

pages = int(input("输入需要查看的页数:\n>>> "))

def get_html(page):
    url = "http://www.jianshu.com/trending/monthly?seen_snote_ids%5B%5D=8050609&seen_snote_ids%5B%5D=7725253&seen_snote_ids%5B%5D=8172771&seen_snote_ids%5B%5D=8305658&seen_snote_ids%5B%5D=8130459&seen_snote_ids%5B%5D=7786714&seen_snote_ids%5B%5D=8002283&seen_snote_ids%5B%5D=8106586&seen_snote_ids%5B%5D=7825805&seen_snote_ids%5B%5D=8145811&seen_snote_ids%5B%5D=8029843&seen_snote_ids%5B%5D=8141292&seen_snote_ids%5B%5D=8196034&seen_snote_ids%5B%5D=8029739&seen_snote_ids%5B%5D=8340220&seen_snote_ids%5B%5D=7756664&seen_snote_ids%5B%5D=1673306&seen_snote_ids%5B%5D=7677003&seen_snote_ids%5B%5D=7979784&seen_snote_ids%5B%5D=8238976&page={0}".format(page)
    jianshu_url = urlopen(url)
    html = jianshu_url.read()
    html = html.decode("utf-8")
    return html

def get(html):
    reg = re.compile(r'<a class="blue-link" target="_blank" href="/u/.*?">(.*?)</a>\n.*\n.*\n.*\n.*?<a class="title" target="_blank" href="(.*?)">(.*?)</a>')
    items = re.findall(reg, html)
    for item in items:
        print("标题: ", item[2])
        print("作者: ", item[0])
        print("网址: ", "http://www.jianshu.com" + item[1], "\n")
    return items

print("简书30日排行:\n")
for i in range(1,pages + 1):
    print("这是第%s页: "%i)
    html = get_html(i)
    get(html)
print("就这些啦!")

get_html(i)

简书爬虫

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值