一个爬取糗事百科段子的简单爬虫

# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup
from itertools import izip
import time

#伪装成浏览器
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
headers = {'User-Agent': user_agent}


def get_url(start, end):
    #根据网址结构构造爬取多页的函数
    for num in (start, end):
        url = 'http://www.qiushibaike.com/8hr/page/'+str(num)+'/?s=4950794'
        get(url)
        time.sleep(3)


def get(url):
    #删选出搞笑数大于1000并且评论在十条以上的段子
    wb = requests.get(url,headers = headers)
    soup = BeautifulSoup(wb.text,'lxml')
    contents = soup.select('a > div[class="content"] > span')
    marks = soup.select('div > span > i')
    comments = soup.select('div > span > a > i')
    for content, mark, comment in izip(contents, marks, comments):
        if int(mark.get_text()) > 1000 and int(comment.get_text()) > 10:
            print content.get_text()
            print

if __name__ == "__main__":
    get_url(1, 5)
  • 2
    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