Python爬虫(初级)Task 4

爬取🐧新闻首页信息
1.了解ajax异步加载
2.使用chrome的开发者工具,监控网络请求,分析网络结构和信息流
3.使用selenium完成爬虫:
用selenium爬取https://news.qq.com/ 的首页新闻

import time
from  selenium import webdriver
import pandas as pd
from bs4 import BeautifulSoup

driver = webdriver.Chrome(executable_path='E:\Anaconda3\Scripts\chromedriver.exe')
driver.get("https://news.qq.com")
#使用ajax加载
for i in range(1,100):
    time.sleep(2)
    driver.execute_script("window.scrollTo(window.scrollX, %d);"%(i*200))

html=driver.page_source
#解析html
bsObj=BeautifulSoup(html,"lxml")

jxtits=bsObj.find_all("div",{"class":"jx-tit"})[0].find_next_sibling().find_all("li")

res = pd.DataFrame()

print("index",",","title",",","url")
csvRow_index = []
csvRow_title = []
csvRow_url = []
for i,jxtit in enumerate(jxtits):
    try:
        text=jxtit.find_all("img")[0]["alt"]
        csvRow_title.append(text)
    except:
        text=jxtit.find_all("div",{"class":"lazyload-placeholder"})[0].text
        csvRow_title.append(text)
    try:
        url=jxtit.find_all("a")[0]["href"]
        csvRow_url.append(url)
    except:
        print(jxtit)
        csvRow_url.append(url)
    csvRow_index.append(i)
    print(i+1,",",text,",",url)
csv_file = pd.DataFrame()
csv_file['index'] = csvRow_index
csv_file['title'] = csvRow_title
csv_file['url'] = csvRow_url
csv_file.to_csv('penguin_news.csv',index=None)

导出为csv文件,包含新闻标题和url地址:

  • 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