爬虫-实战爬取虎扑ACG帖子

要求如下:

爬取虎扑步行街 ACG 版面的数据,要求使用多线程来并发爬取。范围是第一页的所有帖子,每个帖子包含标题、主题内容和第一页的所有回复内容。最后打印出爬到的所有帖子的标题。

网址是:ACG圈 - 虎扑社区

针对上面的要求,我们进行分析:

  1. 首先是要使用多线程
  2. 范围是第一页的所有的帖子
  3. 每个帖子的标题,主要内容以及所有回复内容

那我们分析下页面:

解析所有帖子的链接

我们找到第一条,鼠标放到上面邮件检查,然后我们看到这条贴子的链接在 bbs-sl-web-post下面,然后我们看到元素a的属性是627322160.html,看着不像是一个链接,点击进去我们发下他是后缀

经过前面的分析我们可以写一个获取所有帖子链接的方法

# 解析列表页,得到内容页链接
def parse_list_page(text):
    soup = BeautifulSoup(text, &#
  • 8
    点赞
  • 4
    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