爬虫python案例_python 爬虫小案例

爬取百度贴吧帖子信息

#!/usr/bin/env python

# -*- coding: utf-8 -*-

# author: imcati

import requests,re,time

class TiebaSpider(object):

def __init__(self,tiebaName):

self.tiebaName=tiebaName

self.base_url='https://tieba.baidu.com/f?kw='+tiebaName+'&ie=utf-8&pn={}'

self.headers={ 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36'}

#构造请求

def get_url_list(self):

url_list=[]

for i in range(5):

url_list.append(self.base_url.format(i*50))

return url_list

#获取页面信息

def get_pageInfo(self,url):

response=requests.get(url=url,headers=self.headers)

return self.parse_pageInfo(response.content.decode('utf-8'))

#解析数据

def parse_pageInfo(self,html):

pattern=re.compile('',re.S)

return re.findall(pattern,html)

#保存抓取信息

def save_info(self,info):

for value_info in info:

info_str = '帖子信息:' + value_info[1] + '帖子链接:https://tieba.baidu.com' + value_info[0] + '\n'

with open('./tieba','ab') as f:

f.write(info_str.encode("utf-8"))

def run(self):

url_list=self.get_url_list()

for url in url_list:

info=self.get_pageInfo(url)

self.save_info(info)

time.sleep(1)

if __name__=="__main__":

tiebaspider=TiebaSpider('python')

tiebaspider.run()

  • 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