python爬虫——爬取链节点区块链社区所有帖子标题和链接,整理成json文件并保存

import requests
from lxml import etree
import json


class BtcSpider():
    def __init__(self):
        self.base_url = "https://www.chainnode.com/forum/61-"
        self.headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36"
        }
        self.data_list = []

    # 1.发送请求
    def get_response(self, url):
        response = requests.get(url, headers=self.headers)
        data = response.content.decode("utf-8")
        return data

    # 2.解析请求
    def parse_data(self, data):
        x_data = etree.HTML(data)
        a_title_list = x_data.xpath('//a[@class="link-dark-major font-bold bbt-block"]/text()')
        title_list = []
        for i in a_title_list:
            # 清楚前后空格
            title_list.append(i.strip())
        a_url_list = x_data.xpath('//a[@class="link-dark-major font-bold bbt-block"]/@href')
        url_list = []
        url = "https://www.chainnode.com"
        for i in a_url_list:
            url_list.append(url+i)
        for index, title in enumerate(title_list):
            news = {}
            news['name'] = title
            news['url'] = url_list[index]
            self.data_list.append(news)

    # 3.保存数据
    def save_data(self):
        data_str = json.dumps(self.data_list, ensure_ascii=False)
        with open('001.json', 'w', encoding="utf-8")as f:
            f.write(data_str)

    # 4.启动
    def run(self):
        for i in range(1000):
            url = self.base_url+str(i)
            print(url)
            data = self.get_response(url)
            self.parse_data(data)
            self.save_data()


BtcSpider().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