百度贴吧爬虫

爬虫基本格式上篇有了,这篇记录图片的爬取,同样没啥技术点,上代码

import requests
from lxml import etree
from pprint import pprint

class TiebaSpider(object):

    def __init__(self):
        self.kw = "魔兽世界"
        self.base_url = "https://tieba.baidu.com/f?kw={}&ie=utf-8&pn={}"
        self.headers = {
            "User-Agent":"Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1"
        }

    def run(self):
        url_list = [self.base_url.format(self.kw,pn) for pn in range(0,50,50)]

        for url in url_list:
            response = requests.get(url,headers=self.headers)
            html = response.content.decode('utf-8')
            # 数据提取
            eroot = etree.HTML(html)

            # 提取行内容
            rows = eroot.xpath('//li[@class="tl_shadow tl_shadow_new"]')
            print(rows)

            for row in rows:
                # 提取标题
                # 必须添加 . 表示当前
                titles = row.xpath('.//div[@class="ti_title"]/span/text()')
                if titles is not None and len(titles) > 0:
                    title = "".join(titles)
                    # print(title)

                # 提取图片
                imgs = row.xpath('.//img[@class="j_media_thumb_holder medias_img medias_thumb_holder"]/@data-url')
                for img in imgs:
                    print(etree.tostring(img).decode('utf-8'))
                pprint(imgs)


        pass

if __name__ == '__main__':
    spider = TiebaSpider()
    spider.run()

富文本编辑器不太熟练,注意缩进

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