糗事百科搞笑段子爬取

五十行代码爬取糗事百科段子

使用到的模块
  1. requests
  2. lxml
代码(使用类)
import requests
from lxml import etree


class Qiubai:
    def __init__(self):
        self.headers = {
            "sec - fetch - dest": "empty",
            "sec - fetch - mode": "cors",
            "sec - fetch - site": "cross - site",
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.129 Safari/537.36"}

    def get_html(self, url):
        response = requests.get(url, headers=self.headers)
        return response.content.decode()

    def get_url_list(self):
        url = "https://www.qiushibaike.com/text/page/{}/"
        url_list = []
        for i in range(13):
            url_list.append(url.format(i))
        return url_list

    def run(self):
        #url列表
        url_list = self.get_url_list()
        for url in url_list:
            #发送
            html_str = self.get_html(url)

            #提取数据
            html = etree.HTML(html_str)
            content_list = html.xpath('//div[@class="content"]')

            #保存
            with open("糗事百科搞笑段子.doc", "a", encoding="utf-8") as f:
                for i in content_list:
                    i = i.xpath("./span/text()")  #列表
                    for j in i:
                        a = j.replace("\n", "")  #去掉\n符号
                        print(type(a))
                        f.write(a)
                    f.write("\n\n\n")


if __name__ =="__main__":
    qiubai = Qiubai()
    qiubai.run()

运行结果截图

在这里插入图片描述

  1. 构造url列表(因为已经知道有多少页了)
  2. 发送请求获取响应
  3. 使用xpath提取数据
  4. 保存
  • 0
    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