40行代码就能学会爬虫？有了这碗“汤”你也可以！

“Hello 我 是 大 白，带 你 进 入 Python 世界”

welcome to the Python world

今天教大家通过python实现糗事百科页面的内容采集，获取糗事百科热门的文章内容和好评数量。这是相对来说比较容易的，因为糗事百科不需要登陆，不需要cookie。但是需要设置http的MIME头，模拟浏览器访问才能正常请求。

需要安装BeautifulSoup包，它就是今天的主“美丽汤”！

简单来说，Beautiful Soup是python的一个库，最主要的功能是从网页抓取数据。官方解释如下：

Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。

Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。你不需要考虑编码方式，除非文档没有指定一个编码方式，这时，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。

Beautiful Soup已成为和lxml、html6lib一样出色的python解释器，为用户灵活地提供不同的解析策略或强劲的速度。

废话不多说，我们来试一下吧~

输出结果为文章的内容及好评点赞的数量

参考来源：数据架构师

喜欢的话转发给你身边的小伙伴

↓更多学习资料↓