爬取博客园博客

本示例演示了如何使用Python的requests库和BeautifulSoup库来爬取指定博客网站上的文章标题和链接,并将这些信息保存到本地文件中。通过模拟浏览器行为获取页面内容,解析HTML以提取所需数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

# import os
import requests
from bs4 import BeautifulSoup
# 登陆, 模仿用户浏览器
r1 = requests.get(
    # 要爬取的博客圆页面
    url='https://zzk.cnblogs.com/s/blogpost?Keywords=blog%3aaronthon%201&pageindex=9',
    # 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()

# 去响应体中j解析我们想要的数据
soup = BeautifulSoup(r1.text, 'html.parser')
container = soup.find(name='div', attrs={'class':'forflow'})
div_list = container.find_all(name='div',attrs={'class':'searchItem'})
# 循环所有的标签
for tag in div_list:
    articles = tag.find(name='a', attrs={'target': '_blank'})
    if not articles:
        continue
    summay = tag.find(name='span', attrs={'class': 'searchCon'})
    if not summay:
        continue
    print(articles.text)
    print('文章地址:', articles['href'])
    print('------------------------------------------------')

    # 把爬取的博客标题和博客地址写到本地文件中
    articles_title = articles.text
    try:
        r3 = articles_title
        with open("article.txt", 'a+') as f:
            f.write(r3)
            f.write(articles['href'])
            f.write("\n")
    except:
        print('爬取失败')
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值