91超碰碰碰碰久久久久久综合_超碰av人澡人澡人澡人澡人掠_国产黄大片在线观看画质优化_txt小说免费全本

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
  • 首頁 > 
  • 教程 > 
  • 開發技術 > 
  • python爬取百度貼吧前1000頁內容(requests庫面向對象思想實現)

python爬取百度貼吧前1000頁內容(requests庫面向對象思想實現)

發布時間:2020-08-20 07:11:19 來源:腳本之家 閱讀:141 作者:springionic 欄目:開發技術

此程序以李毅吧為例子,以面向對象的設計思想實現爬取保存網頁數據,暫時并未用到并發處理,以后有機會的話會加以改善

  • 首先去百度貼吧分析貼吧地址欄中url后的參數,找到分頁對應的參數pn,貼吧名字對應的參數kw
  • 首先創建類,寫好__init__方法,run方法,__init__方法里先可以直接寫pass
  • run方法里大概整理一下整體的思路
    • 構造 url 列表,因為要爬取1000頁,每頁需對應一個url
    • 遍歷發送請求,獲取響應
    • 保存  
  • 將可封裝的步驟封裝到單獨的方法,所以這里又增加了三個方法
    • get_url_list方法可以返回需要訪問的所有url的一個列表
    • parse_url方法用來發送請求獲取響應,最終返回html頁面內容
    • save_html方法用來保存html字符串
    • run方法為核心實現,將三個方法和用到的參數結合起來
  • 每當有用到的參數,可以在__init__方法里添加對應的實例屬性
  • 最后,實例化類,測試,會不斷的向當前目錄保存html文件
import requests


class TiebaSpider(object):
  def __init__(self, tieba_name): # tieba_name為要爬取貼吧的名稱
    self.tieba_name = tieba_name
    self.url_temp = 'https://tieba.baidu.com/f?kw=' + tieba_name + '&ie=utf-8&pn={}'
    self.headers = {
      'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36',
    }

  def get_url_list(self): # 構造url列表
    # url_list = []
    # for i in range(1000):
    #   url_list.append(self.url_temp.format(i * 50))
    # return url_list
    return [self.url_temp.format(i*50) for i in range(1000)] # 列表推導式替換上面代碼

  def parse_url(self, url): # 發送請求,獲取響應
    print(url)
    response = requests.get(url, headers=self.headers)
    return response.content.decode()

  def save_html(self, html_str, page_num): # 保存html字符串
    file_path = '{}-第{}頁.html'.format(self.tieba_name, page_num)
    with open(file_path, 'w', encoding='utf-8') as f: # 樣例: 李毅-第一頁.html
      f.write(html_str)

  def run(self): # 實現主要邏輯
    # 1.構造url列表
    url_list = self.get_url_list()
    # 2.遍歷,發送請求,獲取響應
    for url in url_list:
      html_str = self.parse_url(url)
      # 3.保存
      page_num = url_list.index(url) + 1 # 頁碼數
      self.save_html(html_str, page_num)


if __name__ == '__main__':
  tieba_spider = TiebaSpider('李毅')
  tieba_spider.run()

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持億速云。

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

麟游县| 兴仁县| 陇西县| 华坪县| 兰西县| 镇安县| 陆良县| 建瓯市| 克什克腾旗| 湖北省| 玉田县| 黔江区| 林西县| 郧西县| 渝中区| 沛县| 资溪县| 卓尼县| 伊宁市| 襄汾县| 福州市| 阳信县| 田林县| 周口市| 杭州市| 滨海县| 万载县| 牙克石市| 黑山县| 天津市| 永宁县| 宜宾县| 平舆县| 大石桥市| 温宿县| 广安市| 镇平县| 徐水县| 惠来县| 元朗区| 建湖县|