有一分热，发一分光，用Python 爬取鲁迅先生《经典语录》

大家好，我是天作。

正值五四青年节，《后浪》看的人热血沸腾。B站版本视频的底部，评论最多的一段话之一便是鲁迅先生这句。

“愿中国青年都摆脱冷气，只是向上走，不必听自暴自弃者流的话。能做事的做事，能发声的发声。有一分热，发一分光，就令萤火一般，也可以在黑暗里发一点光，不必等候炬火。” 

---

本文通过“好句子迷”网站，获取了鲁迅先生的大部分经典语录，并保存到了本地excel文件，这些发人深省的句子真的该好好读一读。

用到的模块：

import requests
from lxml import etree
import pandas as pd
import time

获取数据：

通过“好句子迷”网站，获取网页。

http://www.shuoshuodaitupian.com/writer/128_1

利用request模块，通过URL链接，获取html网页，下一步进行网页分析。

其中，URL只有最后一部分发生改变（1-10 ：代表第1页--第10页的全部内容）

# 1、获取数据
headers = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) " \
                         "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.129 Safari/537.36",
           }

for i in range(0, 9):
    url = "http://www.shuoshuodaitupian.com/writer/128_" + str(i + 1)  # 1-10页
    result = requests.get(url, headers=headers).content.decode()

解析数据：

通过Xpath语句解析，分别获取句子的内容、来源和评分等，如图所示。

把获取的每一组数据，放在一个字典里，再把字典追加到一个列表中。

代码部分：

# 2、解析数据
html = etree.HTML(result)
div_list = html.xpath('//div[@class="item statistic_item"]')
div_list = div_list[1:-1]

for div in div_list:
    # 遍历每一条信息

    item = {}

    # ./ 注意从当前节点，向下获取
    item['content'] = div.xpath('./a/text()')[0]
    item['source'] = div.xpath('./div[@class="author_zuopin"]/text()')[0]
    item['score'] = div.xpath('.//a[@class="infobox zan like "]/span/text()')[0]

    item_list.append(item)

print("正在爬取第{}页".format(i + 1))
time.sleep(0.1)

保存数据：

把上述获取的数据放到一个列表中后，可通过pandas模块把数据类型转变为DataFrame，进而可以轻松地保存到excel文件中。

为防止中文乱码，注意编码格式。

# 3、保存数据

df = pd.DataFrame(item_list) # 把数据存成csv文件
df.to_csv('鲁迅经典语录.csv', encoding='utf_8_sig') # 保证不乱码

按照评分进行排序之后的结果，如下图。

源码获取方式：

• 第一步：点击文章右下角的“在看”按钮

• 第二步：在公众号回复 后浪 即可获取

当然不点在看也能获取，但写稿不易，如果觉得有用，希望能点下右下角的在看，感谢支持与鼓励。

-END-

往期精彩

1、用python更换“必应图片”为“桌面壁纸”

2、用python爬取海贼王漫画推送kindle
3、python学习，100天从新手到大师