爬虫实践-爬取糗事百科网段子信息

qiushibaike.py:

# 导入相应的库文件
import requests
import re

# 加入请求头
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 '
'(KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36'
}

# 初始化列表,用于装入爬虫信息
info_lists = []


# 定义获取用户性别的函数
def judgment_sex(class_name):
if class_name == 'womenIcon':
return '女'
else:
return '男'


def get_info(url):
res = requests.get(url)
ids = re.findall('<h2>(.*?)</h2>', res.text, re.S)
levels = re.findall('<div class="articleGender \D+Icon">(.*?)</div>', res.text, re.S)
sexes = re.findall('<div class="articleGender (.*?)">', res.text, re.S)
contents = re.findall('<div class="content">.*?<span>(.*?)</span>', res.text, re.S)
laughs = re.findall('<span class="stats-vote"><i class="number">(\d+)</i>', res.text, re.S)
comments = re.findall('<i class="number">(\d+)</i> 评论', res.text, re.S)
for id, level, sex, content, laugh, comment in zip(ids, levels, sexes, contents, laughs, comments):
info = {
'id': id,
'level': level,
'sex': judgment_sex(sex),
'content': content,
'laugh': laugh,
'comment': comment
}
info_lists.append(info)


# 程序主入口
if __name__ == '__main__':
urls = ['http://www.qiushibaike.com/text/page/{}/'.format(str(i)) for i in range(1, 36)]
for url in urls:
# 循环调用获取爬虫信息的函数
get_info(url)
for info_list in info_lists:
# 遍历列表,创建TXT文件
f = open('C:/Users/Administrator//Desktop/qiushi.text', 'a+')
try:
# 写入数据到TXT
f.write(info_list['id'])
f.write(info_list['level'])
f.write(info_list['sex'])
f.write(info_list['content'])
f.write(info_list['laugh'])
f.write(info_list['comment'])
f.close()
except UnicodeEncodeError:
# pass掉错误编码
pass

 

转载于:https://www.cnblogs.com/silverbulletcy/p/8005142.html

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