爬取糗事百科


#
-*- coding: utf-8 -*- import urllib2 from lxml import etree import json url = "http://www.qiushibaike.com/8hr/page/1/" headers = {"User-Agent" : "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36"} request = urllib2.Request(url,headers = headers) html = urllib2.urlopen(request).read() #相应返回的是字符串。解析 为HTML DOM模式 text = etree.HTML(html) #返回所有段子的节点位置,contains()模糊查询方法,第一个参数是匹配的标签,第二个参数是标签名部分内容 node_list = text.xpath('//div[contains(@id,"qiushi_tag")]') item = {} for node in node_list: #xpath返回的列表,这个列表就这一个参数,用索引方式取出来,用户名 username = node.xpath('./div/a/@title')[0] #图片链接 image = node.xpath('.//div[@class = "thumb"]//@src')[0] #取出标签下的内容,段子内容 content = node.xpath('.//div[@calss = "content"]/span')[0].text #取出标签里包含的内荣,点赞 zan = node.xpath('.//i')[0].text #评论 comments = node.xpath('.//i')[1].text items = { "username" : username, "image" : image, "content" : content, "zan" : zan, "comments" : comments } #a是追加的方式 with open("qiushi.json","a") as f: f.write(json.dumps(items,ensure_ascii=False).encode("utf-8") + '\n')

 

转载于:https://www.cnblogs.com/testing-BH/p/8806482.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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