今日热点主要爬取热点详情链接、图片链接以及标题。
#-*- coding =utf-8 -*- from bs4 import BeautifulSoup #网页解析、获取数据 import re #正则表达式 import urllib.request,urllib.error #定制URL,获取网页数据 import xlwt def main(): #1.爬取网页 baseusrl="https://v.qq.com/" datalist=getData(baseusrl) savepath="今日热门.xls" saveData(datalist,savepath) #正则化链接规则 findLink=re.compile(r'<a .* href="(.*?)">') #生成正则表达式对象,表示规则,r表示忽视所有特殊符号如/,?表示0次或多次,.表示一个字符,.*表示多字符 findImgSrc=re.compile(r'<img .* src="(.*?)"',re.S) #re.S让换行符包含在字符中 findTitle=re.compile(r'<a .*>(.*?)</a>',re.S) #爬取网页 def getData(baseurl): datalist=[] html = askURL(baseurl) # 保存获取到的网页源码 # 2.逐一解析数据 # 树形结构对象 soup = BeautifulSoup(html, "html.parser") for item in soup.find_all('div', class_="list_item"): # 查找符合要求的字符串,形成列表,clas