对于爬虫的用处不同的人有不同的看法,对于我而言,他是一门技能也是一门艺术,只有掌握其中的原理,才能让你体会到真正的快乐。下文就是我用python爬虫爬取搞笑段子的实例可以一起探讨下。
涉及知识点
1、爬虫基本步骤
2、requests模块
3、parsel模块
4、xpath数据解析方法
5、分页功能
爬虫基本步骤:
1、获取网页地址 (糗事百科的段子的地址)
2、发送请求
3、数据解析
4、保存 本地
爬虫代码
导入所需模块
import reimport requestsimport parsel
1、获取网页地址
url = 'https://www.qiushibaike.com/text/'# 请求头 伪装客户端向服务器发送请求headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36'}
2、发送请求
requ = requests.get(url=url, headers=headers).text
3、数据解析
sel = parsel.Selector(requ) # 解析对象 <Selector xpath=None data='<html xmlns="http://www.w3.org/1999/x...'>href = sel.xpath('//body/div/div/div[2]/div/a[1]/@href').getall()for html in href: txt_href = 'https://www.qiushibaike.com' + html requ2 = requests.get(url=txt_href, headers=headers).text sel2 = parsel.Selector(requ2) title = sel2.xpath('//body/div[2]/div/div[2]/h1/text()').get().strip() title = re.sub(r'[|/\:?<>*]','_',title) # content = sel2.xpath('//div[@class="content"]/text()').getall() content = sel2.xpath('//body/div[2]/div/div[2]/div[2]/div[1]/div/text()').getall() contents = '\n'.join(content)
4、保存数据
with open('糗事百科text\\'+title + '.txt', mode='w', encoding='utf-8') as fp: fp.write(contents) print(title, '下载成功')
运行代码,得到数据