爬取糗事百科的段子

爬取糗事百科的段子(正则表达式)

import requests  #导入相应库
import re
from bs4 import BeautifulSoup

def judge_sex(sex):
    if sex == "womenIcon":
        return '女'
    else:
        return '男'

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)  Chrome/83.0.4103.116 Safari/537.36'
}   #加入请求头
def Get_text(url):
    res = requests.get(url, headers=headers)      
    info_lists = []
    ids = re.findall('<h2>(.*?)</h2>',res.text,re.S)	#id
    sexs = re.findall('<div class="articleGender (.*?)">21</div>',res.text)	#性别
    ages = re.findall('<div class="articleGender .*?">(.*?)</div>',res.text)	#年龄

    contents = re.findall('<span>(.*?)</span>',res.text,re.S)	#内容
    for id, content, sex, age in zip(ids,contents,sexs,ages):
        info = {
            'id' : id,
            'sex': judge_sex(sex),
            'age': age,
            'content': content
        }
        info_lists.append(info)

    for info_list in info_lists:
        print(info_list['id'])
        print(info_list['sex'])
        print(info_list['age'])
        for i in (info_list['content'].split("<br/>")):
            print(i)

urls = ['https://www.qiushibaike.com/text/page/{}'.format(str(i)) for i in range(1,25)]
for url in urls:
    Get_text(url)

在这里插入图片描述

  • 1
    点赞
  • 1
    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