码迷,mamicode.com
首页 > 其他好文 > 详细

bs4抓取糗事百科

时间:2018-09-09 23:58:13      阅读:351      评论:0      收藏:0      [点我收藏+]

标签:ring   ase   span   strip()   version   opened   技术   code   class   

抓取糗事百科内容及评论,不包含图片信息。user-agent填入浏览器的即可。user-agent对应的value,360极速浏览器的话,可以在地址栏输入about:version,回车,用户代理后面的一长串就是需要填入‘‘里面的内容。其他的可以自行百度

技术分享图片
import urllib.request
import re
from urllib import request
from bs4 import BeautifulSoup

#1.获取网页源代码
def get_html(url):
    headers = {
        User-Agent: ‘‘,
    }
    req = request.Request(headers=headers,url=url)
    response = urllib.request.urlopen(req)
    content = response.read().decode(utf-8)
    return content

#获取评论链接
def get_comment_link(content,comment_url_base):
    soup = BeautifulSoup(content,html.parser)
    articleFloor = 1
    for string in soup.find_all(attrs=re.compile(r"article block untagged mb15.*?")):
        comment = str(string.get(id)).strip().split("_")[2]
        comment_url = comment_url_base % comment#评论链接
        get_comment_content(comment_url,articleFloor)#获取评论内容
        articleFloor += 1

#获取糗事内容及评论内容
def get_comment_content(comment_url,articleFloor):
    commentPage = get_html(comment_url)
    commentFloor = 1
    soupComment = BeautifulSoup(commentPage,html.parser)
    for item in soupComment.find_all(div,class_=content):
        print(articleFloor,".",item.get_text().strip())#获取糗事内容
    for comment in soupComment.find_all(attrs="body"):
        print("      ",commentFloor,"楼回复:",comment.get_text())#获取评论内容
        commentFloor += 1

def command():
    while True:
        raw = input("点击enter查看或者输入exit退出,请输入你的选择:")
        if raw==enter:
            main()
            break
        else:
            break


def main():
    article_url_base = https://www.qiushibaike.com/8hr/page/%d/#文章地址
    comment_url_base = https://www.qiushibaike.com/article/%s#评论地址
    article_url = article_url_base % 2
    content = get_html(article_url)
    get_comment_link(content,comment_url_base)

if __name__ == __main__:
    command()
View Code

 

bs4抓取糗事百科

标签:ring   ase   span   strip()   version   opened   技术   code   class   

原文地址:https://www.cnblogs.com/smart-zihan/p/9615915.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!