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

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
感谢您的提问。我理解您想了解如何用 Python 爬虫爬取雪球的金融数据。下面是一个简单的爬虫项目,可以帮助您实现这个目标: 1. 确定爬取的目标页 我们需要确定要爬取的目标页。在本例中,我们将使用雪球的金融数据页面:https://xueqiu.com/hq。 2. 使用 requests 库发送 HTTP 请求 我们可以使用 Python 的 requests 库来发送 HTTP 请求并从目标页获取数据。以下是如何发送 GET 请求的示例代码: ```python import requests url = 'https://xueqiu.com/hq' response = requests.get(url) print(response.text) ``` 3. 解析 HTML 页面 我们可以使用 Python 的 Beautiful Soup 库来解析 HTML 页面。以下是如何使用 Beautiful Soup 库解析响应的 HTML 页面的示例代码: ```python from bs4 import BeautifulSoup soup = BeautifulSoup(response.text, 'html.parser') # 打印解析后的 HTML 页面 print(soup.prettify()) ``` 4. 提取数据 一旦我们成功解析了 HTML 页面,就可以使用 Beautiful Soup 库中的一些方法来提取我们需要的数据。以下是如何从 HTML 页面中提取股票代码和股票名称的示例代码: ```python # 找到包含股票代码和名称的表格 table = soup.find('table', {'class': 'table'}) # 找到所有的行 rows = table.find_all('tr') # 遍历每一行,并提取股票代码和名称 for row in rows: cols = row.find_all('td') if len(cols) > 0: code = cols[0].text.strip() name = cols[1].text.strip() print(code, name) ``` 5. 存储数据 最后,我们可以将提取的数据存储到文件中。以下是如何将股票代码和名称存储到 CSV 文件中的示例代码: ```python import csv with open('stocks.csv', 'w', newline='') as csvfile: writer = csv.writer(csvfile) writer.writerow(['Code', 'Name']) for row in rows: cols = row.find_all('td') if len(cols) > 0: code = cols[0].text.strip() name = cols[1].text.strip() writer.writerow([code, name]) ``` 希望这个爬虫项目可以帮助您了解如何用 Python 爬虫爬取雪球的金融数据。如果您还有其他问题,请随时问我。

“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