爬取博客的发帖信息保存在csv文件中

使用xpath爬取我的博客的发帖信息并保存在csv文件中

#! /usr/bin/env python
# -*- coding:utf8 -*-

import requests
import csv
from lxml import etree
url = 'https://blog.csdn.net/qiaoenshi'
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"}

data = requests.get(url, headers=headers)
data.encoding='utf-8'
html = etree.HTML(data.text)

hrefs = html.xpath('//div[@class="article-list"]/div/h4/a/@href')
titles = html.xpath('//div[@class="article-list"]/div/h4/a/text()')
print(titles)
# 去除换行符
result = []
for i in range(len(titles)):
    if (i % 2) == 1:

        print(titles[i])
        result.append(titles[i])
print(result)

xinxi_list = []

for i in range(len(hrefs)):

    xinxi = {"链接": hrefs[i], "标题": result[i]}
    xinxi_list.append(xinxi)
print(xinxi_list)

with open('博客发帖信息.csv', 'w', encoding='utf-8') as f:
    w = csv.DictWriter(f, fieldnames=["链接", "标题"])
    w.writeheader()
    w.writerows(xinxi_list)   #  这里一定不能用writerow会报错的,血泪教训


这里面遇到的问题是标题有换行符,本来想用正则解决,但是正则不太熟悉,就用一个循环把空行去掉保存到一个新的list中
报文件的截图
在这里插入图片描述

评论 1
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