BeautifulSoup爬网页

官方文档

BeautifulSoup官方文档

第三方库

pip install bs4
pip install reaqusts
pip install lxml

审源码

在这里插入图片描述

脚本

import json
import requests
from bs4 import BeautifulSoup
# 1.定义请求的url和请求头
url = 'https://old.lmonkey.com/t'
headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36 Edg/92.0.902.62'}

# 2. 发送请求
res=requests.get(url,headers=headers)

# 3.判断请求是否成功,并获取请求的源代码
if res.status_code==200:
    print(res.text)

    # 4.解析数据
    soup = BeautifulSoup(res.text,'lxml')
    # 获取页面中的所有文章
    divs = soup.find_all('div',class_="list-group-item list-group-item-action p-06")
    varlist = []
    for i in divs:
        r = i.find('div',class_="topic_title")
        if r:
            # print(i.span)
            vardict = {'title': r.text.split('\n')[0],
                       'url':i.a['href'],
                       "author": i.strong.a.text,
                       'pudate': i.span['title']}
            varlist.append(vardict)
        print(varlist)
#5. 写入数据
        with open('./bs4test.json','w') as fp:
         json.dump(varlist,fp)

结果

在这里插入图片描述
在这里插入图片描述

封装优化脚本

import json
import requests
from bs4 import BeautifulSoup
# BS4()
class BS4():
    # 定义属性
    url = 'https://old.lmonkey.com/t'
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36 Edg/92.0.902.62'}
    # 响应代码存放的位置
    res_html = None
    # 存储解析后的数据
    varlist = []

    #初始化方法
    def __init__(self):
        #发起请求
        res = requests.get(self.url,headers=self.headers)
        if res.status_code==200:
            self.res_html=res.text
            if self.ParseData():
                self.WriteJson()
                print("请求成功,数据····")
        else:
            print("请求失败")
    #解析html数据
    def ParseData(self):
        soup=BeautifulSoup(self.res_html,'lxml')
        try:
            #获取页面中所有文章
            divs = soup.find_all('div', class_="list-group-item list-group-item-action p-06")
            for i in divs:
                r = i.find('div' , class_="topic_title")
                if r:
                    vardict = {'title': r.text.split('\n')[0],
                               'url': i.a['href'],
                               "author": i.strong.a.text,
                               'pudate': i.span['title']}
                    self.varlist.append(vardict)
                    return True
        except:
            return False
        #写入json数据
    def WriteJson(self):
            if self.varlist !=[]:
                try:
                    with open('./bs4test2.json', 'w') as fp:
                        json.dump(self.varlist, fp)
                        return True
                except:
                        return False
                else:
                    print('无法获取当前解析的数据')
                    return  False
BS4()



优化后结果

在这里插入图片描述
在这里插入图片描述

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

“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