码迷,mamicode.com
首页 > 编程语言 > 详细

初触Python,关于pyquery解析html(百度贴吧)

时间:2015-08-17 15:37:20      阅读:302      评论:0      收藏:0      [点我收藏+]

标签:python   解析   百度贴吧   

一直听同事说Python是个神奇的语言,上周在逛知乎的时候深受这个话题的启发。

能利用爬虫技术做到哪些很酷很有趣很有用的事情?

先是说到IDE的选择,作为python新人,虽然知道mac终端自带Python,但在一番谷歌百度之后,还是选择了PyCharm 。理由大概是 PyCharm比较像xcode吧。看上去有种亲切感。

Python的第三方库和iOS开发的第三方库大体相像。但是在引入第三方库的时候,PyCharm似乎是更加的简单。注意选择对应的版本然后下载第三方库,稍等片刻就成功了。

Python的第三方库和iOS开发的第三方库大体相像。但是在引入第三方库的时候,PyCharm似乎是更加的简单。注意选择对应的版本然后下载第三方库,稍等片刻就成功了。

技术分享

第一次爬数据,选择了百度贴吧作为联系的目标,爬之前并没有查到关于爬贴吧帖子列表的一个教程,自己动手丰衣足食。

首先引入需要使用的第三方库PyQuery

#coding=utf-8

from pyquery import PyQuery as pq

from lxml import etree

v_source=pq(url='http://tieba.baidu.com/f?kw=%BD%A3%CD%F83&fr=ala0&tpl=5')

v_source2=(v_source('div').children('.wrap2')).children('.content')

v_source3=((v_source2.children()).children('.main')).children()

v_source4=(((((v_source3.children()).children()).children()).children('.col2_right')).children('.threadlist_lz')).children('.threadlist_title')

print(v_source4)

fordatainv_source4:

Atitle=pq(data).text()

Aurl= pq(data)('a[class= "j_th_tit " ]').attr('href')

if(AurlandAtitle):

print(Atitle,"http://tieba.baidu.com"+Aurl)

最后得到的结果是 帖子的标题以及url:

【破事水】情缘了两个月 昨天死了 http://tieba.baidu.com/p/3978787393

隔壁贴在问专业,我好想知道渣基三的都是做什么工作的! http://tieba.baidu.com/p/3977454500

【树洞】今天我截了个5000分藏剑的镖… http://tieba.baidu.com/p/3977501311

当剑三这两种体型同时出现在你身边,你选哪一个做你男/女朋友 http://tieba.baidu.com/p/3976484359

怒撕大战啥都不会就有脸进组的小白 http://tieba.baidu.com/p/3977928309

新手看到10多个门派好方啊,选哪个好玩啊 http://tieba.baidu.com/p/3978693801

【女神养成】且看小白如何逆袭成女神 http://tieba.baidu.com/p/3108513494

【这是一个日了狗的树洞】情缘七夕竟然不要我和她做任务 http://tieba.baidu.com/p/3978824104

【假装是对称贴】那个睁眼说瞎话的咩太你进来我有事和你说说 http://tieba.baidu.com/p/3977303586

求赐一个清新脱俗美丽动听的秀萝名字 http://tieba.baidu.com/p/3977303814

七夕GM疯辣 http://tieba.baidu.com/p/3978419861

【跟风】是不是只有我一个觉得花哥最丑 http://tieba.baidu.com/p/3978734881

一个基三渣男的自我救赎之路。(就作为离别的感言吧) http://tieba.baidu.com/p/3978565064

曝光一个骗子_(:з」∠)_!! http://tieba.baidu.com/p/3976992408

【捏脸向】莫提来路 莫问归处(邮箱+网盘) http://tieba.baidu.com/p/3978273550

【我的江湖不留遗憾】A之前要做的100件事 http://tieba.baidu.com/p/3963973171

【破事水】就因为奶花不易上手,奶不上hps不怪你咯 http://tieba.baidu.com/p/3977435265

【树洞】我是那个代练…那个高三老板的代练 http://tieba.baidu.com/p/3972726245

艾特自己的游戏ID,亮了的揍死他! http://tieba.baidu.com/p/2738498207

【关于腾讯】之前一直骂腾讯抢头条然而…… http://tieba.baidu.com/p/3978690160

只有我觉得囤货商人现在都是老爷么 http://tieba.baidu.com/p/3977553269

【树洞】那个以为我每次打本工资都有26W的徒弟,我不欠你什么。 http://tieba.baidu.com/p/3977360158

关于刷羽毛点 http://tieba.baidu.com/p/3978301556

【只是树洞】同心锁,真能锁得住什么 http://tieba.baidu.com/p/3978821975

剑三碧池新标准大科普! http://tieba.baidu.com/p/3770167700

为什么我的代练永远画风不太对!! http://tieba.baidu.com/p/3894758678

十七万血万分苍云被9600冰心满血秒掉 惊呆了 http://tieba.baidu.com/p/3978488404

为什么打怪不掉鸟毛 http://tieba.baidu.com/p/3978816908

【捏脸帖】雨浥红妆娇娜娜(邮箱+网盘) http://tieba.baidu.com/p/3977768289

抄书,十三棍僧,,,我去npc买了好多这书,不知道怎么用啊 http://tieba.baidu.com/p/3978675722

【歌帖】且伴这岁月长长,君余音仍绕梁漫漫 http://tieba.baidu.com/p/3976837006

【818?】那个假装备胎还脚踏几条船的甩锅王麻烦你不要再内she了 http://tieba.baidu.com/p/3898377744

【树洞】自从我拜了个说话不超过五个字的师父,我的人生轨迹改变了 http://tieba.baidu.com/p/3940312698

【姨妈服】你们不知道的赖子 http://tieba.baidu.com/p/3938340367

【调查】你玩剑三多久了花了多少软妹币 http://tieba.baidu.com/p/3978388753

我比金山聪明系列之各职业能力分布图 http://tieba.baidu.com/p/3978388473

818,念破处女座团长 http://tieba.baidu.com/p/3978805760

[616]论排队捡物资有没有必要 http://tieba.baidu.com/p/3978673469

【树洞】那个少女心的小公举师傅和他的菜地帮 http://tieba.baidu.com/p/3978791802

有个奶说被松狮丐喂了糖葫芦感觉很恶心 http://tieba.baidu.com/p/3978722892

【外观水贴】无聊时发一下罢了(从南皇到朔雪) http://tieba.baidu.com/p/3765402065

我就想问问刷999个羽毛要多久 http://tieba.baidu.com/p/3978748424

又看见逗比言论,长点见识再来bb行吗 http://tieba.baidu.com/p/3978376261

【求助】七夕鸟毛去哪里刷最快? http://tieba.baidu.com/p/3978781271

【树洞】我陆日天一生渣妹无数,但我愿意为这个胎收手。 http://tieba.baidu.com/p/3970223700

【树洞】直到今天母上推开了我屋的门ojz http://tieba.baidu.com/p/3978813461


稍微提一下在学习的时候碰到的问题:

#include "libxml/xmlversion.h" 报错。not found 或者error:command‘cc‘failedwithexit status1。

这个问题国内论坛基本上没答案,并且都是一个版本.还是万能的stackoverflow解救了我。

Cannot install Lxml on Mac os x 10.9

附上 pyquery的api文档

pyquery – PyQuery complete API


版权声明:本文为博主原创文章,未经博主允许不得转载。

初触Python,关于pyquery解析html(百度贴吧)

标签:python   解析   百度贴吧   

原文地址:http://blog.csdn.net/w250130255/article/details/47724865

(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!