欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python爬蟲獲取多頁天涯帖子

 更新時(shí)間：2018年02月23日 14:18:40   作者：zengdamo  
本篇文章通過爬取多頁天涯帖子內(nèi)容來教給大家深入理解python爬蟲相關(guān)知識(shí)，有興趣的參考學(xué)習(xí)下。

今天練習(xí)了抓取多頁天涯帖子，重點(diǎn)復(fù)習(xí)的知識(shí)包括

  • soup.find_all和soup.selcet兩個(gè)篩選方式對(duì)應(yīng)不同的參數(shù)；
  • 希望將獲取到的多個(gè)內(nèi)容組合在一起返回的時(shí)候，要用'zip()'的代碼來實(shí)現(xiàn)；
  • 兩層代碼結(jié)構(gòu)之間的關(guān)系如何構(gòu)造；

這里有一個(gè)疑問：有時(shí)候一個(gè)標(biāo)簽可以有多個(gè)屬性，不知道soup.find_all()能不能接受不止一個(gè)屬性以縮小查找的范圍。

# 引入庫和請(qǐng)求頭文件
import requests
from bs4 import BeautifulSoup
headers = {
  'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36'
}

# 定義主體函數(shù)。函數(shù)主體由四部分組成：
#1.請(qǐng)求網(wǎng)址
#2.解析網(wǎng)頁，形成可查找的html格式
#3.通過soup.select或者sopu.find_all查找需要的標(biāo)簽
#4.通過zip()代碼將多個(gè)內(nèi)容合并在一起

def get_content(url):
  res = requests.get(url,headers = headers)
  res.encoding = 'utf-8'
  soup = BeautifulSoup(res.text,'html.parser')
  contents = soup.find_all('div','bbs-content')
  authors = soup.find_all('a','js-vip-check')
  for author,content in zip(authors,contents):
    data = {
    'author':author.get_text().strip(),
    'content': content.get_text().strip()
  }
    print(data)
# 在這里構(gòu)造一個(gè)兩層鏈接結(jié)構(gòu)：帖子的1、2、3、4頁和帖子的詳情頁的關(guān)系在這里實(shí)現(xiàn)
if __name__ == '__main__':
  urls = ['http://bbs.tianya.cn/post-develop-2271894-{}.shtml'.format(str(i)) for i in range (1,5)] # 要注意，這里的‘5'是不包括在范圍里的
  for url in urls:
    get_content(url)

相關(guān)文章

最新評(píng)論