Xpath实战一:解析爬取糗事百科段子

举报
悦来客栈的老板 发表于 2020/12/29 00:12:02 2020/12/29
【摘要】 #coding=utf-8import requestsfrom lxml import etree def getHtml(url): page = requests.get(url) html = page.text return html def getImg(html): texts = [] html = etree.HTML(html) authors...

  
  1. #coding=utf-8
  2. import requests
  3. from lxml import etree
  4. def getHtml(url):
  5. page = requests.get(url)
  6. html = page.text
  7. return html
  8. def getImg(html):
  9. texts = []
  10. html = etree.HTML(html)
  11. authors = html.xpath('//h2/text()') #所有作者信息都在h2标签的文本里
  12. contents = html.xpath('//div[@class = "content"]//span[1]') #span[1] 只选择第一个span标签的内容,有些第二个span标签内容是“查看全文”
  13. for content in contents:
  14. texts.append(content.xpath('string(.)')) #过滤多个类似<br>标签,只选择文本
  15. votes = html.xpath('//*[@class = "stats-vote"]//i[@class = "number"]/text()') #好笑数
  16. comments = html.xpath('//*[@class = "qiushi_comments"]//*[@class = "number"]/text()') #回复数
  17. for x in zip(authors,texts,votes,comments):
  18. Enter = input()
  19. if Enter == 'Q' or Enter == 'q':
  20. return -1
  21. print("\n".join((s.strip() for s in x)))
  22. return 1
  23. if __name__=='__main__':
  24. url = "https://www.qiushibaike.com/hot/"
  25. html,i = getHtml(url),2
  26. print("开始读取数据,请按回车键...按Q键退出\n")
  27. while (getImg(html) == 1):
  28. print("\n第{}页\n".format(i))
  29. url = ("https://www.qiushibaike.com/hot/page/%s/" % str(i))
  30. html,i = getHtml(url),i+1

文章来源: blog.csdn.net,作者:悦来客栈的老板,版权归原作者所有,如需转载,请联系作者。

原文链接:blog.csdn.net/qq523176585/article/details/78523853

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。