• 爬取抽屉热搜榜文章


    import os
    import requests
    from bs4 import BeautifulSoup
    # 登陆, 模仿用户浏览器
    r1 = requests.get(
        # 要爬取的网页
        url='https://dig.chouti.com/',
        # 浏览器的信息
        headers={
            'user-agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
        }
    )
    # 编码
    # r1.encoding = 'gbk'
    # 获取第一条cookie
    r1_cookie_dict = r1.cookies.get_dict()
    
    # 登陆信息,需要的时候再加上
    # r2 = requests.post(
    #     url='https://dig.chouti.com/login',
    #     # 加入浏览器信息
    #     headers={
    #         'user-agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
    #     },
    #     # 填写账号密码
    #     data={
    #         'phone':'861352039****',
    #         'password':'******',
    #         'oneMonth':1
    #     },
    #     # 抽屉网还要用第一次那个cookies值
    #     cookies=r1_cookie_dict
    # )
    
    # 去响应体中j解析我们想要的数据
    soup = BeautifulSoup(r1.text, 'html.parser')
    # 按照规则找名字: div标签且id=content-list 找到匹配的第一个
    container = soup.find(name='div', attrs={'id':'content-list'})
    # 去container找到所有的class=item的div标签
    div_list = container.find_all(name='div',attrs={'class':'item'})
    # 循环所有的标签
    for tag in div_list:
        # 找到class='part2'的所有div标签
        articles = tag.find(name='div', attrs={'class': 'part2'})
        # 如果为空就跳过
        if not articles:
            continue
        # 找到class='summary'的所有span标签
        summay = tag.find(name='span', attrs={'class': 'summary'})
        if not summay:
            continue
        # 找到class='show-content color-chag'的所有a标签
        articles_addr = tag.find(name='a', attrs='show-content color-chag')
        if not articles_addr:
            continue
        print('标题:',articles['share-title'])
        print('简介:',summay.text)
        print('文章地址:', articles_addr['href'])
        print('图片地址:', articles['share-pic'])
        print('------------------------------------------------')
    
        # 下载图片
        # 找到图片地址https://img.jandan.net/news/2018/07/D5BA3729EF7F435B8BD5BC7DC8DCDA8C_W550H698.jpg
        img_addr = articles['share-pic']
        # 切割出文件名D5BA3729EF7F435B8BD5BC7DC8DCDA8C_W550H698.jpg
        file_name = img_addr.rsplit('/', maxsplit=1)[1]  
        # 创建一个文件夹来存要下载的图片
        root = "F:/简单项目在这里/pacongfirst/img/"
        # join连接 拼接一个完整文件名
        path_filename = os.path.join('root', file_name)
        # 或 path_filename = root + file_name
        try:
            # 如果文件夹不存在就创建
            if not os.path.exists('root'):
                os.mkdir('root')
            # 如果文件不存在就下载
            if not os.path.exists(path_filename):
                # 拿到图片
                r3 = requests.get(
                    url=img_addr
                )
                with open(path_filename, 'wb') as f:
                    f.write(r3.content)
            else:
                print('文件已存在')
        except:
            print('爬取失败')
  • 相关阅读:
    Android的计量单位px,in,mm,pt,dp,dip,sp
    android实现图片平铺效果&WebView多点触控实现缩放
    360°全景图
    为Vell001家族使用过的图标
    WordPress更新服务加快收录
    WordPress模版结构
    android权限大全
    Android强制设置横屏或竖屏
    android获取屏幕分辨率
    android用ImageView显示网络图片
  • 原文地址:https://www.cnblogs.com/aaronthon/p/9334611.html
Copyright © 2020-2023  润新知