抓取某知名博主博客

抓取博客文章

分析网页结构,获取列表页所有URL,不同的列表页每次只有后边的数字发生变化,这就好办了,那就去找后边的数字
在这里插入图片描述
F12看一下,找到了,复制连接看一下,发现没什么问题,接下来就取它呗。
在这里插入图片描述
用Xpath并不好取,取出来还有其他的URL,费事,用正则简单多了,欧里给,干就完了

response = requests.get(self.url,headers=self.header).text
        demo = re.compile('<a href=\"(\/wiki\/\d+\/\d*)\".*?>.*?<\/a>',re.S)
        lists = demo.findall(response)
        for i in lists:
            html = 'https://www.liaoxuefeng.com'+i

看一下获取的没什么毛病,那就请求所有URL,抓取信息就OK了,直接上代码

# 作者:胖虎
import requests
import time
from lxml import etree
import re
class Bot:
    def __init__(self):
        self.url = 'https://www.liaoxuefeng.com/wiki/1016959663602400'
        self.header = {
            'Referer': 'https://www.liaoxuefeng.com/wiki/1016959663602400',
            'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.61 Safari/537.36',
            'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
            'Host':'www.liaoxuefeng.com'
        }

    def get_html(self):
        response = requests.get(self.url,headers=self.header).text
        demo = re.compile('<a href=\"(\/wiki\/\d+\/\d*)\".*?>.*?<\/a>',re.S)
        lists = demo.findall(response)
        for i in lists:
            html = 'https://www.liaoxuefeng.com'+i
            time.sleep(5)
            s = requests.get(html,headers= self.header)
            soucer = etree.HTML(s.text)
            html1 = soucer.xpath('//*[@id="x-content"]/div[2]/p/text()')
            print(html1)
            for i in html1:
                print(i)
            print('________________________________________________________________________-')


if __name__ == '__main__':
    dp = Bot()
    dp.get_html()


  • 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