爬虫基础（二）

最新推荐文章于 2023-07-19 15:48:41 发布

夜是故乡明

最新推荐文章于 2023-07-19 15:48:41 发布

阅读量234

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/the_harder_to_love/article/details/89163927

Python 同时被 2 个专栏收录

6 篇文章

订阅专栏

爬虫

4 篇文章

订阅专栏

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)