前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >爬虫_demo

爬虫_demo

作者头像
zhengzongwei
发布2019-07-31 14:51:42
6420
发布2019-07-31 14:51:42
举报
文章被收录于专栏:Python | Blog

版权声明:Copyright © https://cloud.tencent.com/developer/article/1477106

目前在学(yan)习(jiu) 爬虫,会有一丢丢的 demo

代码语言:javascript
复制
# coding=utf-8
import requests
from lxml import etree

class QiubaiSpider:
    def __init__(self):
        self.url_temp = "https://www.qiushibaike.com/8hr/page/{}/"
        self.headers = {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X \
        10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36"}
    def get_url_list(self): #获取url列表
        return [self.url_temp.format(i) for i in range(1,14)]

    def parse_url(self,url): #发送请求,获取响应
        print(url)
        return requests.get(url,headers=self.headers).content.decode()

    def get_content_list(self,html_str): #提取段子
        html = etree.HTML(html_str)
        div_list = html.xpath("//div[@id='content-left']/div")
        content_list = []
        for div in div_list:
            content = {}
            content["content"]=div.xpath(".//div[@class='content']/span/text()")
            content_list.append(content)
        return content_list

    def save_content_list(self,content_list): # 保存数据
        pass

    def run(self):
        #1. url_list
        url_list = self.get_url_list()
        #2. 遍历,发送请求
        for url in url_list:
            html_str = self.parse_url(url)
            #3. 提取数据
            content_list = self.get_content_list(html_str)
            #4. 保存
            self.save_content_list(content_list)

if __name__ == '__main__':
    qiubai = QiubaiSpider()
    qiubai.run()
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018年07月11日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档