我学习的思路,一般就是技术根据技术贴,技术视频学习,而经验要从实战中获得。在生活中,常常动脑筋,把问题用自己掌握的技能来解决,既能巩固自己的技术,学习经验,又能有成就感,一举两得。
最近出去玩,经常翻豆瓣,在相关小组里获取需要的信息。有一个用户发的帖子是寻找队友,内容是什么记不太清了,但是过了一两天我好想又看到了这个人发的寻找队友的帖子,只记得跟我前两天看到的内容不一致,于是就很好奇,这个人多次发帖怎么发的内容差距蛮大的,不是骗子吧?于是我想着把这个人在这个小组中发的所有帖子找出来。然而豆瓣小组没有按照发布人搜索帖子的功能,于是,我就搬出了python的爬虫技术。(哈哈哈,说的高大上一些,装个小~)
代码前准备
用网页登录豆瓣,了解豆瓣的接口实现。打开f12,观察了几个页面以及接口之后,发现了如下接口:
在该接口的响应数据里,我看到了一条条的帖子的信息。(原谅我不知道这接口用的什么语言,跟我平时做的项目相差较多。工作中的项目,后端数据和前端是分离开的,而不像这样,直接以接口的形式,将数据和前端一起返回。我还需要深入学习)
看到这两个信息,我心中大概有了思路:1、调用该接口,获取所有帖子信息;2、在响应的数据中,查询出指定用户发布的帖子。
编写代码
首先,通过分析,得出接口“https://www.douban.com/group/586674/discussion?start=550”的基本组成。586674为小组的id(586674为生活组id),start=550 是每页查询的开始条数,每页默认25条,因此start是一个间隔为25的数据。
于是我开始敲代码:
import requests
# 生活组
header={
"Cookie": """__utmv=30149280.18928; douban-fav-remind=1; bid=1_33bHyMNKk; __yadk_uid=pulR7OghaIPqmJRPIxe3KhEJxut2tYer; trc_cookie_storage=taboola%2520global%253Auser-id%3Db09d96dd-31b1-4593-8d1c-4c578400c1e3-tuct2a38ca8; ll="128517"; _pk_ref.100001.8cb4=%5B%22%22%2C%22%22%2C1597026264%2C%22https%3A%2F%2Fwww.baidu.com%2Flink%3Furl%3DgQBOGEXypqcfy3ThMRX9I1KHKVdC3gJqbRM52Iq8v62ToQLgvcsEytB3SgJVAbR0%26wd%3D%26eqid%3D8d498001003b7191000000035f30afd5%22%5D; _pk_ses.100001.8cb4=*; __utma=30149280.637221786.1522650378.1573119693.1597026266.9; __utmc=30149280; __utmz=30149280.1597026266.9.1.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; dbcl2="189284129:FDZaIXXKmBU"; ck=LPqG; push_doumail_num=0; douban-profile-remind=1; __gads=ID=3073429e68e6a294:T=1597026329:S=ALNI_MZtbg-6aYKJGzPAR1079Z9BvbTcKg; ap_v=0,6.0; push_noty_num=0; _pk_id.100001.8cb4=101ed8a4922703c1.1522650376.9.1597027280.1573119666.; __utmb=30149280.167.7.1597027140424"""
}
url = "https://www.douban.