python+urllib+selenium爬取优快云单个博主的所有博文

本文介绍了如何使用Python结合Selenium爬取优快云上特定博主的所有文章。首先,通过Selenium获取JavaScript动态加载的页数,然后利用urllib抓取每一页的文章链接,最后遍历这些链接,保存每个文章的HTML内容和标题。

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

爬虫、优快云

 

前置准备:

修改代码中的url、url2成你想爬取的博主的相应域名,只需要改qq_32465127的部分。

在py文件的同目录下放一个火狐浏览器驱动geckodriver.exe

 

步骤:

1.通过selenium获取js动态加载的页数

页数是javascript动态加载,不能直接通过urllib获取。改为通过selenium获取页数。

2.通过urllib获取一页内所有文章的链接

根据页数、链接,获取每一页的文章链接,存入数组。

3.遍历文章链接,获取对应的文章的html文件,写好标题存储起来

 

所有代码如下:

import urllib.request
import re
from selenium import webdriver
url='https://blog.youkuaiyun.com/qq_32465127?viewmode=contents'
url2='https://blog.youkuaiyun.com/qq_32465127/article/list/'

#============通过selenium获取js动态加载的页数====================
fireFoxOptions = webdriver.FirefoxOptions()
fireFoxOptions.add_argument('-headless')
driver = webdriver.Firefox(firefox_options=fireFoxOptions)

try:
    driver.get(url)
except Exception as e:
    print("get website error")

try:
    ui_pagers = driver.find_elements_by_class_name("ui-pager")
except Exception as e:
    print("get class name erro
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