Python爬虫爬取糗事百科(xpath+re)

 1 ‘‘‘
 2 爬取丑事百科， 页面自己来找
 3 分析：
 4 1. 需要用到requests爬去页面，用xpath、re来提取数字
 5 2. 可提取信息谁用户头像链接，段子内容，点赞，好评次数
 6 3. 保存到json文件中
 7 
 8 大致分三部分
 9 1. down下页面
10 2。 利用xpath提取信息
11 3. 保存文件落地
12 ‘‘‘
13 
14 import requests
15 from lxml import etree
16 
17 url = "https://www.qiushibaike.com/8hr/page/1/"
18 headers = {
19     "User-Agent": ‘Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.119 Safari/537.36‘,
20     "Accept":‘ext/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8‘,
21     "Accept-Language":‘zh-CN,zh;q=0.9‘
22 }
23 
24 # 下载页面
25 rsp = requests.get(url, headers=headers)
26 html = rsp.text
27 
28 # 把页面解析成html
29 html = etree.HTML(html)
30 print(html.text)
31 rst = html.xpath(‘//div[contains(@id, "qiushi_tag")]‘)
32 
33 for r in rst:
34     print(r.text)
35     item = {}
36     print(r)
37 
38     content = r.xpath(‘//div[@class="content"]/span‘)[0].text
39     print(content)