实战爬虫抓取糗事百科段子(抓段子详情页)

实战爬虫抓取糗事百科段子(抓段子详情页)

  • 先抓取详情页链接,拼接成为正确地址
  • 抓取详情页数据,处理掉不需要的字符
  • 当正则写的结果不唯一时,通过切片获取需要的数据
# !/usr/bin/python
# Filename: 实战 糗事百科(抓详情页).py
# Data    : 2020/06/15
# Author  : --king--
# ctrl+alt+L自动加空格格式化


import requests
import re
import time


# 获取详情页面url
def detail_pages(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'}
    html = requests.get(url, headers=headers)
    text = html.text
    detail_pages = re.findall(r'''.+?<div.+?untagged.+?<a.+?(/article/\d+)".+?</a>''', text, re.VERBOSE | re.DOTALL)
    urls = []
    for detail_page in detail_pages:
        detail_page = 'https://www.qiushibaike.com' + detail_page
        urls.append(detail_page)
    return urls


# 解析详情页面获取joke
def parse_page(urls):
    for url in urls:
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'}
        html = requests.get(url, headers=headers)
        text = html.text
        # 获取的有三个值,切片取第一个
        joke = re.findall(r'''.+?<div.+?word.+?<div.+?>(.+?)</div>''', text, re.VERBOSE | re.DOTALL)
        # 法案先输出结果有表情链接<img src="xxx" align="yyy">,替换掉
        joke = re.sub(r'<br/>|<img.+?>| ', '', joke[0])
        # jokes = jokes[0].replace('<br/>','')
        print(joke)
        time.sleep(2)


def main():
    base_url = 'https://www.qiushibaike.com/text/page/{}/'
    for i in range(1, 11):
        page_url = base_url.format(i)
        detai_page_list = detail_pages(page_url)
        parse_page(detai_page_list)
        time.sleep(2)
        print(i)
        break


if __name__ == '__main__':
    main()

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

kingx3

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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