爬虫基础(二)

本文介绍了一种使用Python的requests和pyquery库爬取丁香园论坛特定帖子回复内容的方法。通过发送HTTP请求获取网页源代码,利用PyQuery解析HTML并提取所有回复的文本内容。

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

2.1 Session

2.2 Cookie

2.3 爬取丁香园论坛的回复内容

'''
爬取丁香园论坛的回复内容
'''

import requests
from pyquery import PyQuery as pq

BASE_URL = 'http://www.dxy.cn/bbs/thread/626626#626626'


def get_replies():
    html = requests.get(BASE_URL).text
    print('html', html)
    doc = pq(html)
    tds = doc('td.postbody').items()
    replies = [td.text().strip() for td in tds if td.text().strip()]
    print('一共有' + str(len(replies)) + '条回复')
    return replies


if __name__ == '__main__':
    replies = get_replies()
    for reply in replies:
        print(reply)
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