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 >爬取博客园有关爬虫的文章

爬取博客园有关爬虫的文章

作者头像
py3study
发布2020-01-19 15:44:19
2870
发布2020-01-19 15:44:19
举报
文章被收录于专栏:python3

    最近自己的测试小圈子里都在讨论爬虫,发现我装逼都困难了许多,所以决定快速补充一下这方面的东西。

    到网上找了点视频,实在是看不进去(主要是对装逼没有什么帮助),然后又由于略微懒得原因就写了这个小东西。

    没有封装,流水账式写法,比较简陋,各位客官(dalao)见谅。

代码语言:javascript
复制
 1 # coding: utf-8
 2 import requests
 3 from bs4 import BeautifulSoup
 4 # 定义变量,这里可以用一个
 5 d = 1
 6 p = 0
 7 k = 0
 8 Reptilian_url = []
 9 Reptilian_title = []
10 # 打开session
11 s = requests.session()
12 # 伪装头部
13 h = {
14     'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 UBrowser/6.2.4094.1 Safari/537.36',
15     'accept-encoding':'gzip, deflate, br'
16 }
17 # 从第1页到最大页数的url,总共有200页,这个数值也可以从页面读取
18 while d in range(200):
19     url = 'https://www.cnblogs.com/cate/python/%d'% d
20     r = s.get(url, headers=h)
21     t = r.text
22     soup = BeautifulSoup(t, 'lxml')
23     list = soup.select('div.post_item_body h3')
24     list2 = soup.find_all(attrs={'class':"titlelnk"})
25     while p < d:
26         # 把标题写入空列表
27         for z1 in list:
28             Reptilian_title.append(z1.string)
29         # 把url写入空列表
30         for u1 in list2:
31             Reptilian_url.append(u1['href'])
32         p += 1
33     d += 1
34 # 打印爬取的总数据量
35 print(len(Reptilian_title))
36 # 加入筛选条件,包含爬虫字段的帖子
37 while k < len(Reptilian_title):
38     if '爬虫' in Reptilian_title[k]:
39         print(k+1,'%s'%Reptilian_title[k],'','%s'%Reptilian_url[k])
40         print('===============================')
41     k += 1

    可以给中间加一小段,写到文档里,保存下来偷偷看。

代码语言:javascript
复制
1 Reptilian = open('1.txt', 'a')
2 Reptilian.writelines(['标题:',Reptilian_title,' ','url:',Reptilian_url])
3 Reptilian.close()
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:2019/03/16 ,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