糗事百科数据爬取

from lxml import etree
import requests

class Qiushi():
    def __init__(self,page1,page2):
        self.page1 = page1
        self.page2 = page2
    def __call__(self, *args, **kwargs):
        self.run()
    def run(self):
        # 定义url
        for i in range(page1,page2+1):
            base_url = "http://www.qiushibaike.com/8hr/page{}/".format(str(i))
            # 定义请求头
            headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.75 Safari/537.36"
            }
            response =requests.get(base_url,headers = headers)
            html = response.text
            html_xml = etree.HTML(html)
            self.get_data(html_xml)
    def get_data(self,html):
        #获取每个用户信息
        li_list = html.xpath('.//div[@class="recommend-article"]//li')
        for li in li_list:
            #获取图片
            pic = li.xpath('.//img//@src')
            #获取段子主题
            main = li.xpath('.//a[@class="recmd-content"]//text()')
            #获取四个信息
            info = li.xpath('.//span/text()')
            #获得喜欢数量
            try:
                like_num = info[0]
            except:
                like_num='0'
            #获取评论数量
            try:
                say_num = info[-3]
            except:
                say_num='0'
            #获取用户昵称
            name = info[-1]
            dic = {
                "视频名称": main,
                "用户名":name,
                "评论数量":say_num,
                "喜欢数量":like_num,
                "图片链接": pic
            }
            self.write_json(str(dic))
    def write_json(self,new_list):
        #打开文件,每生成一条信息,调用一次函数,追加到文件中
        with open('./json文件/record.json','a+',encoding='utf-8') as f:
            f.write(new_list + '\n')
if __name__ == '__main__':
    page1 = int(input('请输入你想爬取的开始页:'))
    page2 = int(input('请输入你想爬取的结束页:'))
    download = Qiushi(page1,page2)
    download()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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