【Python】【爬虫】【爬狼】003_获取搜索结果的页数

获取搜索内容的页数

需要的包

import urllib.request  # 获取网页源码
import re  # 正则表达式，进行文字匹配
from bs4 import BeautifulSoup  # 解析网页

解析网页

第一步，解析网页为网页源码(【Python】【爬虫系列】【爬狼】002_自定义获取网页源码的函数 - 萌狼蓝天 - 博客园 (cnblogs.com/mllt))

# 获取网页源码
    response_html = xrilang_UrlToDocument(Url)
    # xrilang_UrlToDocument是我自定义函数，如果你没写这个函数，直接使用，会报错的。
    # 如果你想了解这个函数的具体内容，请看【爬狼系列】笔记第002篇

获取搜索内容的页数

分析网页

切换页数，观察地址栏变化。

根据观察第二页、第三页链接如下

# 第二页
https://www.yhdmp.cc/s_all?kw=love&pagesize=24&pageindex=1
# 第三页
https://www.yhdmp.cc/s_all?kw=love&pagesize=24&pageindex=2

由此可以推测出，第一页的地址为

https://www.yhdmp.cc/s_all?kw=love&pagesize=24&pageindex=0

s_all：Search All 搜索全部

kw：Key Word

pagesize：页面大小(一页有多少个视频)

pageindex：页面索引(索引从0开始，代表页数。索引0是第一页，索引1是第二页，以此类推)

获取视频数量

此处会显示视频数量，我们只需取出这个“数字”就可以了。

方法1

# 1.获取所搜结果视频数量
    reStr1 = r'''搜索结果, 共(.*?)个'''  # 正则规则
    # temp = re.findall(reStr1, response_html) # 在 response_html 中查找符合上述正则规则(reStr1)的内容
    # 运行结果为：['49']
    mvNumber = re.findall(reStr1, response_html)[0]  # 取出列表的第一项(索引为0) 设置变量mvNumber(搜索得到的视频数量)
    # 运行结果为：49

方法2(推荐使用)

# 1.获取所搜结果视频数量
    reStr1 = re.compile(r'''搜索结果, 共(.*?)个''')  # 正则规则
    # temp = re.findall(reStr1, response_html) # 在 response_html 中查找符合上述正则规则(reStr1)的内容
    # 运行结果为：['49']
    mvNumber = re.findall(reStr1, response_html)[0]  # 取出列表的第一项(索引为0) 设置变量mvNumber(搜索得到的视频数量)
    # 运行结果为：49

通过视频数量获取页数

通过分析，我们知道，一页有24个视频，视频总数在上面已经求出来了，那么会有多少页呢，这就是一个小学的题了。

视频总数/每页展示视频数=总页数

即：视频总数/24=总页数

注意，如果有余数，则直接+1，结果为整数

# 通过视频数量判断有多少页
    # pageNumber = int(mvNumber) / 24
    # 运行结果为：2.0416666666666665
    # 求出页数
    if (int(mvNumber) % 24) == 0:
        pageNumber = int(mvNumber) / 24
    else:
        pageNumber = int(int(mvNumber) / 24) + 1
    # 最终得到页数结果 pageNumber
    
    # mvNumber是视频总数

将此功能编写为函数

为了方便求页数，我们需要将次功能编写为函数方便我们使用

def xrilag_SearchAll(keyword):
    """
    '获取搜索内容的总页数'
    :param keyword:搜索的关键字
    :return:int 搜索结果的总页数
    """
    # 基础链接
    baseUrl = "https://www.yhdmp.cc/s_all?ex=1&kw="
    Url = baseUrl + keyword
    # 获取网页源码
    response_html = xrilang_UrlToDocument(Url)
    # 1.获取所搜结果视频数量
    reStr1 = re.compile(r'''搜索结果, 共(.*?)个''')  # 正则规则
    # temp = re.findall(reStr1, response_html) # 在 response_html 中查找符合上述正则规则(reStr1)的内容
    # 运行结果为：['49']
    mvNumber = re.findall(reStr1, response_html)[0]  # 取出列表的第一项(索引为0) 设置变量mvNumber(搜索得到的视频数量)
    # 运行结果为：49

    # 通过视频数量判断有多少页
    # pageNumber = int(mvNumber) / 24
    # 运行结果为：2.0416666666666665
    # 求出页数
    if (int(mvNumber) % 24) == 0:
        pageNumber = int(mvNumber) / 24
    else:
        pageNumber = int(int(mvNumber) / 24) + 1
    # 最终得到页数结果 pageNumber
    return pageNumber

学习本文，最重要的是学习思维和处理方式