参考链接:https://www.pythonf.cn/read/67478
在参考文章的基础上,总结了自己遇到的问题和解决方案,以及给代码增加了清晰的注释。
任务说明:
将网站中的段子标题和正文以字典的形式通过json序列化后存储到本地。
遇到的问题:
1、由于网站上普遍都有反爬的设置,老版本的request已经无法使用了。需要使用requests。
2、使用requests就需要获取自己的headers。
3、爬取到的内容打印出来是中文,保存为Json文件到本地后,却是unicode编码字符。
代码展示:
from bs4 import BeautifulSoup
import requests
import json
class Biedoul:
def __init__(self, url, count):
self.url = url
self.count = int(count)
self.path = r'/Users/NewScenery/SelfLearning-20201203/' # 存储的路径
self.headers = {
"user-agent": "Mozilla/5.0 (Macintosh; Int