python获取百度热榜链接的实例方法
程序员文章站
2022-10-02 15:04:14
目标网址:https://www.baidu.com/要获取的内容:链接分析:从下图可以看出只需要获取关键字,再构建就可以了。完整代码:importrequestsimportpprintimport...
目标网址:
https://www.baidu.com/
要获取的内容:
链接分析:
从下图可以看出只需要获取关键字,再构建就可以了。
完整代码:
import requests import pprint import re import urllib.parse url = 'https://www.baidu.com/' headers = { 'host': 'www.baidu.com', 'referer': 'https://www.baidu.com/', 'user-agent': 你的user-agent, 'cookie': 你的cookie } response = requests.get(url, headers=headers).content.decode('utf-8') # 获取关键字 pat = '"pure_title": "(.*?)"' keyword = re.findall(pat, response, re.s) print(len(keyword)) for hot_word in keyword: # 汉字不符合url标准,所以这里需要进行url编码 i = urllib.parse.quote(hot_word, encoding='utf-8', errors='replace') # url构建 link = f'https://www.baidu.com/s?cl=3&tn=baidutop10&fr=top1000&wd={i}&rsv_idx=2&rsv_dl=fyb_n_homepage&hisfilter=1' print(link)
你会发现结果很长:
但其实关键字后面的几个参数是可以去掉的,这样url就没有那么长了。
内容扩展:
python 爬取简单的百度搜索结果
爬取百度搜索结果
主要还要借助xpath helper谷歌浏览器的插件来操作更容易找到需要查找信息的xpath位置
还要首先了解一下百度搜索请求的参数 lm默认为0,天数限制,但是好像只有1有用。
默认每页10条信息,rn
pn是页码
from lxml import etree import re import requests import string import json headers = { "user-agent":"mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/68.0.3440.106 safari/537.36" } response = requests.get('https://www.baidu.com/s?wd=腾讯视频优惠&lm=1',headers=headers) r = response.text html = etree.html(r,etree.htmlparser()) r1 = html.xpath('//h3') r2 = html.xpath('//*[@class="c-abstract"]') r3 = html.xpath('//a[@class="c-showurl"]') for i in range(10) : r11 = r1[i].xpath('string(.)') r22 = r2[i].xpath('string(.)') r33 = r3[i].xpath('string(.)') # with open('test.txt', 'a', encoding='utf-8') as f: # f.write(json.dumps(r11,ensure_ascii=false) + '\n') # f.write(json.dumps(r22, ensure_ascii=false) + '\n') # f.write(json.dumps(r33, ensure_ascii=false) + '\n') print(r11,end='\n') print(r22,end='\n') print(r33) print()
到此这篇关于python获取百度热榜链接的实例方法的文章就介绍到这了,更多相关教你用python获取百度热榜链接内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
上一篇: SoftICE for WIN95中文命令解说(九)
下一篇: OSI网络层基本功能