第一次爬虫实例

本文介绍了一个使用Python进行网络爬虫的实际案例,目标是从糗事百科网站抓取段子内容。通过解析网页源代码,利用正则表达式匹配并提取用户名和段子文本,最终将数据保存为字典形式。

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

爬取段子实例

仅供学习参考

import urllib.request
import ssl
import json
import re

def jokeCrawler(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.835.202 Safari/535.1"
    }

    req = urllib.request.Request(url,headers=headers)

    context = ssl._create_unverified_context()

    response = urllib.request.urlopen(req,context=context)

    HTML = response.read().decode('utf-8')

    pat =r'<div class="author clearfix">(.*?)<span class="stats-vote"><i class="number">'

    re_joke = re.compile(pat,re.S)
    divslist = re_joke.findall(HTML)
    #print(divslist)
    #print(len(divslist))

    dic = {}
    for div in divslist:
        #用户名:
        re_u =re.compile(r'<h2>(.*?)</h2>',re.S)
        username = re_u.findall(div)
        username = username[0]
        #print(username)
        #print(type(username))
        #段子
        re_d = re.compile(r'<div class="content">\n<span>(.*?)</span>', re.S)
        duanzi = re_d.findall(div)
        duanzi = duanzi[0]
        #print(duanzi)
        #print(type(duanzi))

        dic[username] = duanzi
    return dic

    #with open(r'/Users/fangjun/Desktop/PythonWork/file/file3.html','w') as f:
      #  f.write(HTML)





url = 'https://www.qiushibaike.com/text/'
info = jokeCrawler(url)


for k,v in info.items():
    print(k,v)

 

评论 1
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