python爬虫爬取段子
程序员文章站
2022-03-26 10:31:13
#-*-coding:utf-8
import requests
import os
from bs4 import BeautifulSoup
import lxml...
#-*-coding:utf-8 import requests import os from bs4 import BeautifulSoup import lxml import sys #改变系统的默认编码 reload(sys) sys.setdefaultencoding('utf-8') class DZ(): def __init__(self,url,pageIndex): self.url=url+str(pageIndex) self.headers={'User_Agent':'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'} #得到一页的源码 def get_one_page_html(self): re=requests.get(self.url,self.headers) html=re.text return html #得到所有的段子的url def get_one_text_url(self): all_a=[] #这里用来记录每一条段子的链接 for i in range(1,2): #这里先暂时爬取30页的段子 html=self.get_one_page_html() soup=BeautifulSoup(html,'lxml') all_h2=soup.find_all('h2') for h2 in all_h2: all_a.append(h2.find('a').get('href')) return all_a #下载所有的段子 def get_text(self): all_a=self.get_one_text_url() #首先获得所有段子的url x=0 for a in all_a: re=requests.get(a,headers=self.headers) html=re.text soup=BeautifulSoup(html,'lxml') all_p=soup.find('article',class_='article-content').find_all('p') for p in all_p: print p.text if __name__=='__main__': url='https://duanziwang.com/category/duanzi/page/' app=DZ(url,1) app.get_text()
上一篇: 我做到了——自驾,向*(川藏进,青藏出)
下一篇: 物联网定位技术,你了解多少?