Python爬虫采集搞笑段子示例

q56731523

于 2022-12-14 09:33:59 发布

阅读量454

点赞数

文章标签： python 爬虫开发语言

本文链接：https://blog.csdn.net/weixin_44617651/article/details/128311519

版权

对于爬虫的用处不同的人有不同的看法，对于我而言，他是一门技能也是一门艺术，只有掌握其中的原理，才能让你体会到真正的快乐。下文就是我用python爬虫爬取搞笑段子的实例可以一起探讨下。

涉及知识点

1、爬虫基本步骤
2、requests模块
3、parsel模块
4、xpath数据解析方法
5、分页功能

爬虫基本步骤:

1、获取网页地址 (糗事百科的段子的地址)
2、发送请求
3、数据解析
4、保存本地

爬虫代码

导入所需模块

import re
import requests
import parsel

1、获取网页地址

url = 'https://www.qiushibaike.com/text/'
# 请求头   伪装客户端向服务器发送请求
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36'
}

2、发送请求

requ = requests.get(url=url, headers=headers).text

3、数据解析

sel = parsel.Selector(requ)  # 解析对象 <Selector xpath=None data='<html xmlns="http://www.w3.org/1999/x...'>
href = sel.xpath('//body/div/div/div[2]/div/a[1]/@href').getall()
for html in href:
    txt_href = 'https://www.qiushibaike.com' + html
    requ2 = requests.get(url=txt_href, headers=headers).text
    sel2 = parsel.Selector(requ2)
    title = sel2.xpath('//body/div[2]/div/div[2]/h1/text()').get().strip()
    title = re.sub(r'[|/\：？<>*]','_',title)
    # content = sel2.xpath('//div[@class="content"]/text()').getall()
    content = sel2.xpath('//body/div[2]/div/div[2]/div[2]/div[1]/div/text()').getall()
    contents = '\n'.join(content)

4、保存数据

with open('糗事百科text\\'+title + '.txt', mode='w', encoding='utf-8') as fp:
    fp.write(contents)
    print(title, '下载成功')

运行代码，得到数据

在这里插入图片描述

q56731523

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫