爬取糗事百科中的数据

将爬取出来的数据存入mongodb中

import pymongo
import requests
from lxml import etree


class QiushiSpider:
    def __init__(self):
        self.headers = {"User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36 OPR/38.0.2220.41"}
        # 连接对象
        self.conn = pymongo.MongoClient("localhost", 27017)
        # 库对象
        self.db = self.conn["Qiushi"]
        # 集合对象
        self.myset = self.db["qiushiinfo"]

    def getPage(self, url):
        res = requests.get(url, headers=self.headers)
        res.encoding = "utf-8"
        html = res.text
        print(res.status_code)
        self.parsePage(html)

    def parsePage(self, html):
        parseHtml = etree.HTML(html)
        base_list = parseHtml.xpath('//div[contains(@id,"qiushi_tag_")]')
        print(base_list)
        for base in base_list:
            name = base.xpath('./div/a/h2/text()')
            if not name:
                 name[0] = "匿名用户"
            content = base.xpath('./a/div/span')
            laughNum = base.xpath("./div/span[1]/i")
            pingNum = base.xpath("./div/span[2]/a/i")
            d = {
                "name": name[0].strip(),
                "content": content[0].text.strip("\n"),
                "laughNum": laughNum[0].text,
                "pingNum": pingNum[0].text,
            }
            self.myset.insert(d)
            print("成功")


if __name__ == '__main__':
    spider = QiushiSpider()
    url = "https://www.qiushibaike.com/8hr/page/1/"
    spider.getPage(url)

 

转载于:https://www.cnblogs.com/zengsf/p/10028665.html

  • 0
    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