【Python爬虫】get和post请求解析虎嗅网封装

import requests
from lxml import etree
import json
#解析频道页 构造catId

def get_channel_info(url):
    html=requests.get(url,headers=headers).text
    selector=etree.HTML(html)
    zixun_infos=selector.xpath('//ul[@class="header-column header-column1 header-column-zx menu-box"]/li/a')
    items=[]
    for info in zixun_infos:
        item={}
        channel_name=info.xpath('text()')[0]
        catId=info.xpath('@href')[0].replace('/channel/','').replace('.html','')
        #print(channel_name,catId)
        item['channel_name']=channel_name
        item['catId']=catId
        items.append(item)
    return items

def get_total_page(item):
    catId = item['catId']
    post_data={
        'huxiu_hash_code':'18f3ca29452154dfe46055ecb6304b4e',
        'page':'1',
        'catId':catId
    }
    html=requests.post(post_url,data=post_data,headers=headers).text
    dict_data=json.loads(html)
    parse_data=dict_data['data']
    total_page=int(parse_data['total_page'])
    item2={}
    item2['channel_name']=item['channel_name']
    item2['total_page'] = total_page
    item2['catId'] = item['catId']
    return item2

def get_all_article_url(channel_name,post_url,post_data):
    lit_article_url=[]
    html=requests.post(post_url,data=post_data,headers=headers).text
    dict_data=json.loads(html)
    parse_data=dict_data['data']
    total_page=parse_data['total_page']
    data=parse_data['data']
    #print(data)
    selector=etree.HTML(data)
    article_urls=selector.xpath('//a/@href')
    for article_url in article_urls:
        if article_url.startswith('/article'):
            article_url=root_url+article_url
            print(channel_name,article_url)
            item3={}
            item3['channel_name']=channel_name
            item3['article_url']=article_url
            lit_article_url.append(item3)
    return lit_article_url


def get_all_article_content(item):
    article_url=item['article_url']
    channel_name = item['channel_name']
    html=requests.get(article_url,headers=headers).text
    selector=etree.HTML(html)
    infos='\n'.join(selector.xpath('//p/text()'))
    #print(channel_name,article_url)
    #print(infos)


if __name__ == '__main__':
    root_url = 'https://www.huxiu.com'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36',
    }
    items=get_channel_info(root_url)
    post_url = 'https://www.huxiu.com/channel/ajaxGetMore'
    total_pages=[]
    for item in items:
        item2=get_total_page(item)
        total_pages.append(item2)
    print(total_pages)
    for item2 in total_pages:
        catId = item2['catId']
        total_page=item2['total_page']
        for page in range(1,total_page+1):
            post_data = {
                'huxiu_hash_code': '18f3ca29452154dfe46055ecb6304b4e',
                'page': page,
                'catId': catId
            }
            channel_name=item2['channel_name']
            #print(channel_name,post_data)
            lit_article_url=get_all_article_url(channel_name,post_url,post_data)
            for item3 in lit_article_url:
                get_all_article_content(item3)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,383评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,522评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,852评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,621评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,741评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,929评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,076评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,803评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,265评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,582评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,716评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,395评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,039评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,027评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,488评论 2 361
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,612评论 2 350

推荐阅读更多精彩内容