知识点



1.爬虫基本步骤

2.requests模块

3.parsel模块

4.xpath数据解析方法

5.分页功能



爬虫基本步骤:



1.获取网页地址 (糗事百科的段子的地址)

2.发送请求

3.数据解析

4.保存 本地



​



爬虫代码



导入所需模块




import re
import requests
import parsel


 



1.获取网页地址




url = 'https://www.qiushibaike.com/text/'
# 请求头   伪装客户端向服务器发送请求
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36'
}


 



2.发送请求




requ = requests.get(url=url, headers=headers).text


 



3.数据解析




sel = parsel.Selector(requ)  # 解析对象 <Selector xpath=None data='<html xmlns="http://www.w3.org/1999/x...'>
href = sel.xpath('//body/div/div/div[2]/div/a[1]/@href').getall()
for html in href:
    txt_href = 'https://www.qiushibaike.com' + html
    requ2 = requests.get(url=txt_href, headers=headers).text
    sel2 = parsel.Selector(requ2)
    title = sel2.xpath('//body/div[2]/div/div[2]/h1/text()').get().strip()
    title = re.sub(r'[|/\：？<>*]','_',title)
    # content = sel2.xpath('//div[@class="content"]/text()').getall()
    content = sel2.xpath('//body/div[2]/div/div[2]/div[2]/div[1]/div/text()').getall()
    contents = '\n'.join(content)


 



4.保存数据




with open('糗事百科text\\'+title + '.txt', mode='w', encoding='utf-8') as fp:
    fp.write(contents)
    print(title, '下载成功')


 



运行代码，得到数据



【Python爬虫】糗事百科数据段子采集_Python案例教学

【Python爬虫】糗事百科数据段子采集_safari_02



 



​​
​​