python教你如何多页爬取糗事百科里面的内容

1.开发环境:python3.7.3,正则表达式,urllib,urllib.request模块

2.分析:

1.爬取的网站为糗事百科:https://www.qiushibaike.com
2.需要爬取是糗事百科的内容分析页面结构:
`<div class="content">.*?<span>(.*?)</span>.*?</div>`

3.想爬取多少页:

https://www.qiushibaike.com/hot/page/+页数

4.把爬取的内容存取到本地:io流

3.代码

import urllib
import urllib.request
import re
import sys
non_bmp_map = dict.fromkeys(range(0x10000, sys.maxunicode + 1), 0xfffd)
file=open("D:/糗事百科爬取内容.txt","w",encoding="utf-8")
urlouter="https://www.qiushibaike.com"
opener=urllib.request.build_opener()
UA=("User-Agent","Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36")
opener.addheaders=[UA]
urllib.request.install_opener(opener)
data=urllib.request.urlopen(urlouter).read().decode("utf-8","ignore")
for page in range(0,13):
    print("爬取第"+str(page+1)+"页\n")
    file.write("爬取第"+str(page+1)+"页\n")
    urlinner="https://www.qiushibaike.com/hot/page/"+str(page+1)
    data=urllib.request.urlopen(urlinner).read().decode("utf-8","ignore")
    pat='<div class="content">.*?<span>(.*?)</span>.*?</div>'
    items=re.compile(pat,re.S).findall(data)
    for i in range(0,len(items)):
        print("---------------------------------------------------------")
        #str(items[i]).translate(non_bmp_map)
        file.write(items[i].replace("<br/>","\n"))
        file.flush()

file.close()

 

  • 1
    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