最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

python正則爬取某段子網站前20頁段子(request庫)過程解析

 更新時間:2019年08月10日 14:46:12   作者:springionic  
這篇文章主要介紹了python正則爬取某段子網站前20頁段子(request庫)過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

首先還是谷歌瀏覽器抓包對該網站數據進行分析,結果如下:

該網站地址:http://www.budejie.com/text

該網站數據都是通過html頁面進行展示,網站url默認為第一頁,http://www.budejie.com/text/2為第二頁,以此類推

對網站的內容段子所處位置進行分析,發(fā)現段子內容都是在一個 a 標簽中

坑還是有的,這是我第一次寫的正則:

content_list = re.findall(r'<a href="/detail-.*" rel="external nofollow" rel="external nofollow" rel="external nofollow" >(.+?)</a>', html_str)

之后發(fā)現竟然匹配到了一些推薦的內容,最后我把正則改變下面這樣,發(fā)現沒有問題了,關于正則的知識這里就不做過多解釋了

content_list = re.findall(r'<div class="j-r-list-c-desc">\s*<a href="/detail-.*" rel="external nofollow" rel="external nofollow" rel="external nofollow" >(.+?)</a>', html_str)

現在要的是爬取前20頁的段子并保存到本地,已經知道翻頁的規(guī)律和匹配內容的正則,就直接可以寫代碼了

代碼如下,整體思路還是和前兩排爬蟲博客一樣,面向對象的寫法:

import requests
import re
import json

class NeihanSpider(object):
  """內涵段子,百思不得其姐,正則爬取一頁的數據"""
  def __init__(self):
    self.temp_url = 'http://www.budejie.com/text/{}' # 網站地址,給頁碼留個可替換的{}
    self.headers = {
      'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36',
    }

  def pass_url(self, url): # 發(fā)送請求,獲取響應
    print(url)
    response = requests.get(url, headers=self.headers)
    return response.content.decode()

  def get_first_page_content_list(self, html_str): # 提取第一頁的數據
    content_list = re.findall(r'<div class="j-r-list-c-desc">\s*<a href="/detail-.*" rel="external nofollow" rel="external nofollow" rel="external nofollow" >(.+?)</a>', html_str) # 非貪婪匹配
    return content_list

  def save_content_list(self, content_list):
    with open('neihan.txt', 'a', encoding='utf-8') as f:
      for content in content_list:
        f.write(json.dumps(content, ensure_ascii=False))
        f.write('\n') # 換行
      print('成功保存一頁!')

  def run(self): # 實現主要邏輯
    for i in range(20): # 只爬取前20頁數據
      # 1. 構造url
      # 2. 發(fā)送請求,獲取響應
      html_str = self.pass_url(self.temp_url.format(i+1))
      # 3. 提取數據
      content_list = self.get_first_page_content_list(html_str)
      # 4. 保存
      self.save_content_list(content_list)

if __name__ == '__main__':
  neihan = NeihanSpider()
  neihan.run()

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。

相關文章

  • Python日期和時間戳的轉換的實現方式

    Python日期和時間戳的轉換的實現方式

    Python中日期和時間的處理涉及到time和datetime模塊,time模塊可實現時間戳與格式化時間字符串的轉換,而datetime模塊則提供更加直接易用的接口,本文詳細給大家介紹了Python日期和時間戳的轉換的實現方式,需要的朋友可以參考下
    2024-10-10
  • opencv基于Haar人臉檢測和眼睛檢測

    opencv基于Haar人臉檢測和眼睛檢測

    這篇文章主要為大家詳細介紹了opencv基于Haar人臉檢測和眼睛檢測,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2021-09-09
  • 淺談numpy廣播機制

    淺談numpy廣播機制

    本文主要介紹了淺談numpy廣播機制,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2023-02-02
  • Python-Seaborn熱圖繪制的實現方法

    Python-Seaborn熱圖繪制的實現方法

    這篇文章主要介紹了Python-Seaborn熱圖繪制的實現方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2019-07-07
  • 詳解Django中的過濾器

    詳解Django中的過濾器

    這篇文章主要介紹了Django中的過濾器,Django是重多高人氣Python框架中最為著名的一個,需要的朋友可以參考下
    2015-07-07
  • python如何查看系統(tǒng)網絡流量的信息

    python如何查看系統(tǒng)網絡流量的信息

    這篇文章給大家介紹了如何了利用Python查看系統(tǒng)網絡流量的信息,有需要的朋友們可以參考借鑒。下面來一起看看吧。
    2016-09-09
  • Python 實現簡單的shell sed替換功能(實例講解)

    Python 實現簡單的shell sed替換功能(實例講解)

    下面小編就為大家?guī)硪黄狿ython 實現簡單的shell sed替換功能(實例講解)。小編覺得挺不錯的,現在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-09-09
  • Anaconda+vscode+pytorch環(huán)境搭建過程詳解

    Anaconda+vscode+pytorch環(huán)境搭建過程詳解

    這篇文章主要介紹了Anaconda+vscode+pytorch環(huán)境搭建過程詳解,本文通過實例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2020-05-05
  • python實現猜單詞小游戲

    python實現猜單詞小游戲

    這篇文章主要為大家詳細介紹了python實現猜單詞小游戲,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-06-06
  • Python 爬蟲的原理

    Python 爬蟲的原理

    這篇文章主要介紹了Python 爬蟲的原理,文中講解非常細致,幫助大家更好的學習和認識爬蟲,感興趣的朋友可以了解下
    2020-07-07

最新評論

虞城县| 金塔县| 大方县| 丰城市| 建宁县| 津南区| 湖州市| 屏山县| 洮南市| 绵阳市| 平度市| 黔西县| 贵州省| 昌江| 营口市| 通山县| 双桥区| 巴塘县| 惠水县| 玛曲县| 榕江县| 泌阳县| 漯河市| 龙川县| 恩平市| 扶沟县| 安福县| 马边| 新龙县| 大方县| 将乐县| 赤城县| 海原县| 临桂县| 南丰县| 绥芬河市| 永春县| 孝义市| 通江县| 林口县| 乌鲁木齐县|