写这次博客其实事出有因，前几天呢，一个非常优秀的学姐在QQ空间里晒了自己的CSDN博客的总阅读量，达到了7万+，很厉害了，而且确实她的博文都是精髓，我就也想来看看我的博客总阅读量了，看看什么时候能达到人家的高度，但是博客园偏偏就没有这个功能（CSDN是可以直接在首页看的）。于是乎，想尽一切办法，要来统计阅读量了，看看别人写的使用其他的统计工具，把代码放在博客园的公告栏，我也就放了个站长联盟：http://www.cnzz.com的统计代码（具体操作可以百度，免费申请账号的），虽然，它统计的数据更多，但是呢，它只能统计我从使用这个工具之后的访问量，也就是，到现在为止，我的所有博客到底拥有多少的阅读量，还是没能统计出来，那不还是没解决问题嘛，这就很尴尬了。。。
坐在电脑前，发了一会呆，突然，想起来，哎，这下学的Python爬虫或许可以派上用场了，于是乎，我就开始了愉快的爬虫统计阅读量之路，其实也很简单，抓取博客园博文的每一页，然后利用xpath解析出阅读量，然后进行加和就行了，为了做持久化，随时看看阅读量的增加情况，我就写入了一个文本文件，每次就两行内容，查询时间和总阅读量，当然，我在控制台可以清晰的查看每页每条博文的阅读量。这下可总算是把问题解决了，182篇博文，总阅读量：35205，差不多是学姐的一半，继续努力，看明年毕业时能不能达到学姐的高度，下面是最终的代码，当然还有很多不足之处，希望大家多多指教
#导入需要的模块 import time import requests from lxml import etree #进行UA伪装 headers={ "User-agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36" } #创建文件，存储爬到的数据，做持久化,以追加的方式打开，可读可写 fp=open('./counter.txt','a+',encoding = 'utf-8') #记录当前查询时间 select_time=time.strftime('%Y.%m.%d %H:%M:%S ',time.localtime(time.time())) fp.write('查询的时间为：'+select_time+' ') def spider(): #总阅读量 counts=0 #分页爬取数据加和 for page_num in range(1,20): #设置url url="https://www.cnblogs.com/andrew3/default.html?page=%d" new_url=format(url%page_num) #获取页面数据 page_text=requests.get(url=new_url,headers=headers).text tree=etree.HTML(page_text) #解析数据，得到每页每篇博文的阅读量 count_list=tree.xpath('//div[@class="forFlow"]/div/div[@class="postDesc"]/span[1]/text()') print(count_list) #每一页的阅读量 sum=0 #计算每页的阅读量 for i in range(len(count_list)): sum+=int(count_list[i][3:len(count_list[i])-1]) #计算总阅读量 counts+=sum #打印每页每篇博文的阅读量 print(sum,counts) #总阅读量持久化 fp.write("总阅读量为：%s" % counts + ' ') #关闭文件，释放资源 def close_file(): fp.close() def main(): spider() close_file() if __name__ == '__main__': main()
