因需要一些资料,就写了个爬虫爬取百度知道前N页的所有答案
不过鉴于百度知道的回答质量(你懂得。。。。),爬取的内容仅供参考
替换一下url_root和file_name基本就能通用了
注:每个网站使用的标签不一样,代码仅适用于百度知道,其他网站自行修改
# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup
import lxml
url_root = 'https://zhidao.baidu.com/search?word=%C0%F8%D6%BE%B6%CC%BE%E4&ie=gbk&site=-1&sites=0&date=0&pn=0'
file_name = 'C:\\Users\\username\\Desktop\\sort_statement.txt'
# 获取下一页的url
def get_next(url):
strhtml = requests.get(url)
soup = BeautifulSoup(strhtml.text, 'lxml'