亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python正則爬取某段子網(wǎng)站前20頁(yè)段子(request庫(kù))過(guò)程解析

 更新時(shí)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(wǎng)站前20頁(yè)段子(request庫(kù))過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

首先還是谷歌瀏覽器抓包對(duì)該網(wǎng)站數(shù)據(jù)進(jìn)行分析,結(jié)果如下:

該網(wǎng)站地址:http://www.budejie.com/text

該網(wǎng)站數(shù)據(jù)都是通過(guò)html頁(yè)面進(jìn)行展示,網(wǎng)站url默認(rèn)為第一頁(yè),http://www.budejie.com/text/2為第二頁(yè),以此類推

對(duì)網(wǎng)站的內(nèi)容段子所處位置進(jìn)行分析,發(fā)現(xiàn)段子內(nèi)容都是在一個(gè) a 標(biāo)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(xiàn)竟然匹配到了一些推薦的內(nèi)容,最后我把正則改變下面這樣,發(fā)現(xiàn)沒(méi)有問(wèn)題了,關(guān)于正則的知識(shí)這里就不做過(guò)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(xiàn)在要的是爬取前20頁(yè)的段子并保存到本地,已經(jīng)知道翻頁(yè)的規(guī)律和匹配內(nèi)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?qū)ο蟮膶懛ǎ?/strong>

import requests
import re
import json

class NeihanSpider(object):
  """內(nèi)涵段子,百思不得其姐,正則爬取一頁(yè)的數(shù)據(jù)"""
  def __init__(self):
    self.temp_url = 'http://www.budejie.com/text/{}' # 網(wǎng)站地址,給頁(yè)碼留個(gè)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(qǐng)求,獲取響應(yīng)
    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(yè)的數(shù)據(jù)
    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(yè)!')

  def run(self): # 實(shí)現(xiàn)主要邏輯
    for i in range(20): # 只爬取前20頁(yè)數(shù)據(jù)
      # 1. 構(gòu)造url
      # 2. 發(fā)送請(qǐng)求,獲取響應(yīng)
      html_str = self.pass_url(self.temp_url.format(i+1))
      # 3. 提取數(shù)據(jù)
      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?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python日期和時(shí)間戳的轉(zhuǎn)換的實(shí)現(xiàn)方式

    Python日期和時(shí)間戳的轉(zhuǎn)換的實(shí)現(xiàn)方式

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

    opencv基于Haar人臉檢測(cè)和眼睛檢測(cè)

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

    淺談numpy廣播機(jī)制

    本文主要介紹了淺談numpy廣播機(jī)制,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2023-02-02
  • Python-Seaborn熱圖繪制的實(shí)現(xiàn)方法

    Python-Seaborn熱圖繪制的實(shí)現(xiàn)方法

    這篇文章主要介紹了Python-Seaborn熱圖繪制的實(shí)現(xiàn)方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2019-07-07
  • 詳解Django中的過(guò)濾器

    詳解Django中的過(guò)濾器

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

    python如何查看系統(tǒng)網(wǎng)絡(luò)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(wǎng)絡(luò)流量的信息,有需要的朋友們可以參考借鑒。下面來(lái)一起看看吧。
    2016-09-09
  • Python 實(shí)現(xiàn)簡(jiǎn)單的shell sed替換功能(實(shí)例講解)

    Python 實(shí)現(xiàn)簡(jiǎn)單的shell sed替換功能(實(shí)例講解)

    下面小編就為大家?guī)?lái)一篇Python 實(shí)現(xiàn)簡(jiǎn)單的shell sed替換功能(實(shí)例講解)。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧
    2017-09-09
  • Anaconda+vscode+pytorch環(huán)境搭建過(guò)程詳解

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

    這篇文章主要介紹了Anaconda+vscode+pytorch環(huán)境搭建過(guò)程詳解,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2020-05-05
  • python實(shí)現(xiàn)猜單詞小游戲

    python實(shí)現(xiàn)猜單詞小游戲

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)猜單詞小游戲,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)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(xì)致,幫助大家更好的學(xué)習(xí)和認(rèn)識(shí)爬蟲,感興趣的朋友可以了解下
    2020-07-07

最新評(píng)論