爬虫页面源码中提取内容

先介绍整体思路

构造请求获取源码
源码正则提取内容
将提取数据存储

构造请求

# 导入库

import requests
from fake_useragent import UserAgent
import re
import pandas as pd


# 伪装浏览器
url = "https://www.qiushibaike.com/text/page/1/"
headers = {
    "User-Agent":UserAgent().random
}
# 构造请求 - 获取源码
response = requests.get(url,headers = headers)
info = response.text

利用正则提取内容

infos = re.findall(r'<div class="content">\s*<span>\s*(.+)\s*</span>',info)

print(infos[0])

使用DataFrame写入文件

import pandas as pd

# 将列表转成DataFrame,
data1 = {
    "小说":infos
}
df1 = pd.DataFrame(data1)
# 写入excel和txt文档


df1.to_excel("./笑话.xlsx",sheet_name="好笑话",encoding="utf-8")

df1.to_string("./笑txt话.txt",encoding="utf-8")

import os
os.listdir()
# os.getcwd()
  • 1
    点赞
  • 1
    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