第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號(hào)安全,請(qǐng)及時(shí)綁定郵箱和手機(jī)立即綁定
已解決430363個(gè)問題,去搜搜看,總會(huì)有你想問的

請(qǐng)教一下爬取數(shù)據(jù)時(shí)遇到的爬取數(shù)據(jù)的問題。

請(qǐng)教一下爬取數(shù)據(jù)時(shí)遇到的爬取數(shù)據(jù)的問題。

掙錢就完了 2019-09-25 19:17:54
import?requests from?lxml?import?html import?json etree?=?html.etree class?BaoxiaoSpider: ????#?url_list ????def?__init__(self): ????????self.url_temp?=?"http://www.2bmv.com/index_{}.html" ????????self.headers?=?{"User-Agent":?"Mozilla/5.0?(Windows?NT?6.1;?WOW64)?AppleWebKit/537.36?(KHTML,?like?Gecko)?Chrome/74.0.3729.131?Safari/537.36"} ????#?獲取url_list中的網(wǎng)址數(shù)據(jù) ????def?get_url_list(self): ????????#?返回的是網(wǎng)址后面index{}的頁(yè)數(shù)的循環(huán),共50頁(yè) ????????return?[self.url_temp.format(i)?for?i?in?range(3)] ????#?發(fā)送請(qǐng)求,獲取響應(yīng) ????def?parse_url(self,url): ????????response?=?requests.get(url,?headers=self.headers) ????????return?response.content ????#?提取數(shù)據(jù) ????def?get_content_list(self,html_str): ????????htmlDIV?=?etree.HTML(html_str) ????????#?根據(jù)div分組 ????????div_list?=?htmlDIV.xpath("http://div[@class='post']") ????????content_list?=?[] ????????#?創(chuàng)建div的循環(huán) ????????for?div?in?div_list: ????????????#?如果每一個(gè)div下只有一個(gè)數(shù)據(jù)的話(如:發(fā)布者頭像head_portrait),加上循環(huán);如果每個(gè)div下含有多個(gè)數(shù)據(jù)(如:text),不加循環(huán) ????????????item?=?{} ????????????#?獲取發(fā)布者的頭像 ????????????#?item["head_portrait"]?=?div.xpath("./p/img/@src")[0]?if?len(div.xpath("./p/img/@src"))>0?else?None ????????????#?發(fā)布時(shí)間和瀏覽數(shù) ????????????#?item["time"]?=?div.xpath("./div/div/text()")[0]?if?len(div.xpath("./div/text()"))>0?else?None ????????????#?p標(biāo)簽下的文本 ????????????item["text"]?=?div.xpath(".//div[contains(@class,'pic_text')]/p/text()") ????????????#?獲取圖片 ????????????#?item["img"]?=?div.xpath("./div/div/center/img/@src") ????????????content_list.append(item) ????????return?content_list ????#?保存數(shù)據(jù) ????def?save_content_list(self,content_list): ????????for?i?in?content_list: ????????????print(i) ????#?實(shí)現(xiàn)主要邏輯 ????def?run(self): ????????#?1.?url_list ????????url_list?=?self.get_url_list() ????????#?2.遍歷,發(fā)送請(qǐng)求,獲取響應(yīng) ????????for?url?in?url_list: ????????????html_str?=?self.parse_url(url) ????????#?3.提取數(shù)據(jù) ????????content_list?=?self.get_content_list(html_str) ????????#?4.保存數(shù)據(jù) ????????self.save_content_list(content_list) if?__name__?==?'__main__': ????baoxiao?=?BaoxiaoSpider() ????baoxiao.run()爬取的網(wǎng)站是:http://www.2bmv.com/index_1.html使用Xpath Helper工具查詢,同樣的路徑下內(nèi)容很多,但是爬取出來的內(nèi)容就非常少。希望老師和各位大神可以解答一下疑惑。
查看完整描述

2 回答

  • 2 回答
  • 0 關(guān)注
  • 1035 瀏覽
慕課專欄
更多

添加回答

舉報(bào)

0/150
提交
取消
微信客服

購(gòu)課補(bǔ)貼
聯(lián)系客服咨詢優(yōu)惠詳情

幫助反饋 APP下載

慕課網(wǎng)APP
您的移動(dòng)學(xué)習(xí)伙伴

公眾號(hào)

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號(hào)