爬取糗事百科

这是一个简单爬虫
打开糗事百科首页https://www.qiushibaike.com/
拉到最下面点击下一页,观察url变化

这里写图片描述
由此可以构造生成url的函数

def  getUrls(self,pages):
        url1 = 'https://www.qiushibaike.com/text/page/'
        for i in range(1,pages):
            url = url1 + str(i)
            self.urls.append(url)

我们选择一个内容,右击鼠标点击检查

这里写图片描述

可以发现所有的糗事内容都包含在'div',attrs = {'class':'col1'}
然后再找这个标签下面所有的'div',attrs={'class':'content'}
之后遍历取出每个标签里面的<span></span>里的内容即可
全部代码如下
(这里为了测试只爬取了5页内容)

from bs4 import BeautifulSoup
import requests

class JokeItem(object):
    author = None
    content = None

class GetJoke(object):
    def __init__(self):
        self.urlBase = 'https://www.qiushibaike.com/text/'
        self.urls = []
        self.item = []
        self.getUrls(5)
        self.spider(self.urls)

    def getHTMLText(self,url):
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = r.apparent_encoding

        return r.text


    # def  getPages(self):
    #   html = self.getHTMLText(self.urlBase)
    #   soup = BeautifulSoup(html,'html.parser')


    def  getUrls(self,pages):
        url1 = 'https://www.qiushibaike.com/text/page/'
        for i in range(1,pages):
            url = url1 + str(i)
            self.urls.append(url)

    def  spider(self,urls):
        for url in urls:
            htmlContent = self.getHTMLText(url)
            soup = BeautifulSoup(htmlContent,'lxml')
            anchorTag = soup.find('div',attrs = {'class':'col1'})
            #tags = anchorTag.find('span')
            tags = anchorTag.find_all('div',attrs={'class':'content'})
            for tag in tags:
                item = JokeItem()
                item.author = tag.find('span').getText()
                # item.content = tag.find('h2').getText()
                self.item.append(item)
            # print(soup.encode('GBK', 'ignore'))
                print(tag.find('span').getText())

if __name__ == '__main__':
    g = GetJoke()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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