爬虫实战——糗事百科段子爬取

import re
import requests
# import os


headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.92 Safari/537.36'
}


def parse_page(url):
    response = requests.get(url, headers=headers)
    text = response.text
    # print(text)
    con = []
    contents = re.findall(r'<div\sclass="content".*?<span>(.*?)</span>', text, re.DOTALL)
    for content in contents:
        x = re.sub(r'<.*?>', "", content)
        # x = re.sub(r'', "", content)
        con.append(x.strip())
        # print(con)
        # print("="*30)
    num = 0
    with open('D:/program/untitled/douban/joke.txt', 'w', encoding='utf-8') as fp:	# 自己修改路径可以生成相应文件
        for co in con:
            num = num + 1
            fp.write(str(num)+'\n'+co.strip()+'\n'*2)


def main():
    base_url = "https://www.qiushibaike.com/text/page/{}/"
    for z in range(1,20):	# 可爬取1-19页的内容
        url = base_url.format(z)
    parse_page(url)
    # os.system("pause")


if __name__ == "__main__":
    main()

利用正则表达式爬取糗事百科的段子

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 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
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