在爬取东西之前,我们需要简单分析一下小草网站的结构。爬虫,是依照URL来爬取的,那么我们首先来分析一下小草的URL吧。
1# 不骑马的日本人板块
2http://bc.ghuws.men/thread0806.php?fid=2&search=&page=2
3# 骑马的日本人板块
4http://bc.ghuws.men/thread0806.php?fid=15&search=&page=2
5# 英语老师板块
6http://bc.ghuws.men/thread0806.php?fid=4&search=&page=2
复制代码
这是挑选了几个不同的板块之间的URL,我们发现,他们就是fid=XX这个数字不同啊。传入不同的page参数,应该就是第几页。这样,我们就能连续的爬取不同page之间的信息了。
爬到页面了,我们接下来就是要找每个页面的post了,这就要涉及到html的知识了。由于这些页面长的都一样,他们的结构也都是差不多的,所以,我们随便选取一个页面,来看看他post的html长什么样子。
1<td class=