百度经验正文爬虫

# -*- coding: utf-8 -*-  
# !/usr/bin/env python  
import requests
import re
import time,random
u0 = 'http://jingyan.baidu.com/user/npublic?uid=d1b612bceb0dc22ba8ffe137&pn='  
for x in range(0,50,7):
    url = u0+str(x)
    reponse = requests.get(url)
    reponse.encoding='utf-8'
    html = reponse.text
    tts = re.findall(r'title="(.*?)" target="_blank">', html)  
    u = re.findall(r'<a href="(/article/\w+\.html)" title="', html)  
    for i in range(len(u)):
        for j in range(20):
            tt = 'https://jingyan.baidu.com'+u[i]
            a = requests.get(tt)
            a.encoding='utf-8'
            b = a.text
            txt = re.findall(r'<p>(.*?)</p>',b)
            for ii in txt:
                print('    '+ii)
                time.sleep(random.uniform(1,2))

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