简书首页爬取|测试作业

简书首页爬取的关键是分页和找准入口。数据应该是有15页,试了好久请求添加了id,最后还是只爬取了20条数据。



代码

# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup
import xlwt
import sys
reload(sys)
sys.setdefaultencoding('utf8')

#获取源码
def getHtml(url):
    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',}
    html = requests.get(url,headers=headers).content
    #print html
    return html

def getDate(url):
    html = getHtml(url)
    soup = BeautifulSoup(html, 'html.parser')
    #先找到整体文章列表
    datas = soup.find('ul',class_='note-list').find_all('li')
    results = []
    for data in datas:
        author = data.find('a', class_="blue-link").text
        title = data.find('a', class_="title").text
        pubtime = data.find('span',class_='time').get('data-shared-at')
        abstract = data.find('p',class_='abstract').text
        meta = data.find('div',class_='meta')
        #判断文章是否收入专题
        if meta.find('a',class_="collection-tag"):
            collect_tag = meta.find_all('a',target="_blank")[0].text
            read_count = meta.find_all('a',target="_blank")[1].text
            comment_count = meta.find_all('a',target="_blank")[2].text
            like_count = meta.find_all('span')[0].text
            #判断有没有打赏
            if meta.find('i',class_="iconfont ic-list-money"):
                money_count = meta.find_all('span')[1].text
            else:money_count=0
        else:
            collect_tag = u'这篇文章还没有收入任何专题~~~'
            read_count = meta.find_all('a', target="_blank")[0].text
            comment_count = meta.find_all('a', target="_blank")[1].text
            like_count = meta.find_all('span')[0].text
            if meta.find('i', class_="iconfont ic-list-money"):
                money_count = meta.find_all('span')[1].text
            else:
                money_count = 0

        result = [title,author,pubtime,abstract,read_count,comment_count,like_count,money_count,collect_tag]
        print title,author,pubtime,abstract,read_count,comment_count,like_count,money_count,collect_tag
        results.append(result)
    return results

# a = getDate(url)

#写入excel
def excel_write(results):
    newTable = 'jianshu.xls'
    wb = xlwt.Workbook(encoding='utf-8')
    ws = wb.add_sheet('HomePage')
    headData = ['标题', '作者', '发表时间', '摘要', '阅读量','评论数','点赞数','打赏数','收录专题']
    for colnum in range(0, 9):
        ws.write(0, colnum, headData[colnum], xlwt.easyxf('font: bold on'))  # 行 列 数据

    index = 1
    for result in results:
        for i in range(0, 9):
            print result[i]
            ws.write(index, i, result[i])
        index += 1
        wb.save(newTable)

if __name__ == "__main__":
    baseUrl = 'http://www.jianshu.com/'
    data = '?page=15&seen_snote_ids%5B%5D=12658273&seen_snote_ids%5B%5D=12689156&seen_snote_ids%5B%5D=12681559&seen_snote_ids%5B%5D=12484933&seen_snote_ids%5B%5D=12700981&seen_snote_ids%5B%5D=12691138&seen_snote_ids%5B%5D=12692643&seen_snote_ids%5B%5D=12658708&seen_snote_ids%5B%5D=12688277&seen_snote_ids%5B%5D=12704483&seen_snote_ids%5B%5D=12595741&seen_snote_ids%5B%5D=12631433&seen_snote_ids%5B%5D=12640738&seen_snote_ids%5B%5D=12624548&seen_snote_ids%5B%5D=12619420&seen_snote_ids%5B%5D=12658768&seen_snote_ids%5B%5D=12658377&seen_snote_ids%5B%5D=12540326&seen_snote_ids%5B%5D=12656357&seen_snote_ids%5B%5D=12518815&seen_snote_ids%5B%5D=12711009&seen_snote_ids%5B%5D=12338074&seen_snote_ids%5B%5D=12698315&seen_snote_ids%5B%5D=12702095&seen_snote_ids%5B%5D=12695554&seen_snote_ids%5B%5D=12665024&seen_snote_ids%5B%5D=12700059&seen_snote_ids%5B%5D=12702828&seen_snote_ids%5B%5D=12658142&seen_snote_ids%5B%5D=12670518&seen_snote_ids%5B%5D=12679524&seen_snote_ids%5B%5D=12681445&seen_snote_ids%5B%5D=12660821&seen_snote_ids%5B%5D=12661012&seen_snote_ids%5B%5D=12695747&seen_snote_ids%5B%5D=12663860&seen_snote_ids%5B%5D=12679518&seen_snote_ids%5B%5D=12582752&seen_snote_ids%5B%5D=12643448&seen_snote_ids%5B%5D=12648303&seen_snote_ids%5B%5D=12706868&seen_snote_ids%5B%5D=12599997&seen_snote_ids%5B%5D=12684922&seen_snote_ids%5B%5D=12669401&seen_snote_ids%5B%5D=12680783&seen_snote_ids%5B%5D=12523099&seen_snote_ids%5B%5D=12564012&seen_snote_ids%5B%5D=12686358&seen_snote_ids%5B%5D=12650691&seen_snote_ids%5B%5D=12663630&seen_snote_ids%5B%5D=12608069&seen_snote_ids%5B%5D=12654093&seen_snote_ids%5B%5D=12300224&seen_snote_ids%5B%5D=12682055&seen_snote_ids%5B%5D=12663246&seen_snote_ids%5B%5D=12643880&seen_snote_ids%5B%5D=12648040&seen_snote_ids%5B%5D=12642421&seen_snote_ids%5B%5D=12636423&seen_snote_ids%5B%5D=12628359&seen_snote_ids%5B%5D=12623170&seen_snote_ids%5B%5D=12636074&seen_snote_ids%5B%5D=12665569&seen_snote_ids%5B%5D=12703498&seen_snote_ids%5B%5D=12685253&seen_snote_ids%5B%5D=12701187&seen_snote_ids%5B%5D=12703984&seen_snote_ids%5B%5D=12634364&seen_snote_ids%5B%5D=12602649&seen_snote_ids%5B%5D=12218345&seen_snote_ids%5B%5D=12492535&seen_snote_ids%5B%5D=12660271&seen_snote_ids%5B%5D=12691473&seen_snote_ids%5B%5D=12687211&seen_snote_ids%5B%5D=12699375&seen_snote_ids%5B%5D=12703102&seen_snote_ids%5B%5D=12657872&seen_snote_ids%5B%5D=12659742&seen_snote_ids%5B%5D=12604652&seen_snote_ids%5B%5D=11166785&seen_snote_ids%5B%5D=12657143&seen_snote_ids%5B%5D=12662330&seen_snote_ids%5B%5D=12640661&seen_snote_ids%5B%5D=12708110&seen_snote_ids%5B%5D=12657911&seen_snote_ids%5B%5D=12564405&seen_snote_ids%5B%5D=12632846&seen_snote_ids%5B%5D=12580583&seen_snote_ids%5B%5D=12623918&seen_snote_ids%5B%5D=12647490&seen_snote_ids%5B%5D=12662155&seen_snote_ids%5B%5D=12684822&seen_snote_ids%5B%5D=12683266&seen_snote_ids%5B%5D=12662006&seen_snote_ids%5B%5D=12694356&seen_snote_ids%5B%5D=12663263&seen_snote_ids%5B%5D=12659372&seen_snote_ids%5B%5D=12565648&seen_snote_ids%5B%5D=12617037&seen_snote_ids%5B%5D=12612930&seen_snote_ids%5B%5D=12563831&seen_snote_ids%5B%5D=11777918&seen_snote_ids%5B%5D=12694557&seen_snote_ids%5B%5D=12703379&seen_snote_ids%5B%5D=12609864&seen_snote_ids%5B%5D=12606620&seen_snote_ids%5B%5D=12687239&seen_snote_ids%5B%5D=12642303&seen_snote_ids%5B%5D=12691171&seen_snote_ids%5B%5D=7663876&seen_snote_ids%5B%5D=12688009&seen_snote_ids%5B%5D=12642396&seen_snote_ids%5B%5D=12607554&seen_snote_ids%5B%5D=12669692&seen_snote_ids%5B%5D=12696410&seen_snote_ids%5B%5D=12677520&seen_snote_ids%5B%5D=12584716&seen_snote_ids%5B%5D=12660054&seen_snote_ids%5B%5D=12530825&seen_snote_ids%5B%5D=12681038&seen_snote_ids%5B%5D=12704140&seen_snote_ids%5B%5D=12686932&seen_snote_ids%5B%5D=12630368&seen_snote_ids%5B%5D=12695703&seen_snote_ids%5B%5D=12582230&seen_snote_ids%5B%5D=12689421&seen_snote_ids%5B%5D=12663769&seen_snote_ids%5B%5D=11820725&seen_snote_ids%5B%5D=12520519&seen_snote_ids%5B%5D=12672594&seen_snote_ids%5B%5D=12656074&seen_snote_ids%5B%5D=12512244&seen_snote_ids%5B%5D=12699112&seen_snote_ids%5B%5D=12656727&seen_snote_ids%5B%5D=12698991&seen_snote_ids%5B%5D=12688923&seen_snote_ids%5B%5D=12544436&seen_snote_ids%5B%5D=12656603&seen_snote_ids%5B%5D=12530052&seen_snote_ids%5B%5D=12702798&seen_snote_ids%5B%5D=12687284&seen_snote_ids%5B%5D=12448888&seen_snote_ids%5B%5D=12663782&seen_snote_ids%5B%5D=12606930&seen_snote_ids%5B%5D=12588667&seen_snote_ids%5B%5D=12665002&seen_snote_ids%5B%5D=10688540&seen_snote_ids%5B%5D=12585769&seen_snote_ids%5B%5D=12668881&seen_snote_ids%5B%5D=12677358&seen_snote_ids%5B%5D=12676116&seen_snote_ids%5B%5D=12700404&seen_snote_ids%5B%5D=12661935&seen_snote_ids%5B%5D=12707133&seen_snote_ids%5B%5D=12656134&seen_snote_ids%5B%5D=12478683&seen_snote_ids%5B%5D=12709169&seen_snote_ids%5B%5D=12679225&seen_snote_ids%5B%5D=12663030&seen_snote_ids%5B%5D=12698974&seen_snote_ids%5B%5D=12689032&seen_snote_ids%5B%5D=12680340&seen_snote_ids%5B%5D=12693738&seen_snote_ids%5B%5D=12679164&seen_snote_ids%5B%5D=12637667&seen_snote_ids%5B%5D=12699423&seen_snote_ids%5B%5D=12699685&seen_snote_ids%5B%5D=9199031&seen_snote_ids%5B%5D=12638401&seen_snote_ids%5B%5D=12643079&seen_snote_ids%5B%5D=12626989&seen_snote_ids%5B%5D=12649754&seen_snote_ids%5B%5D=12426104&seen_snote_ids%5B%5D=12602622&seen_snote_ids%5B%5D=12666369&seen_snote_ids%5B%5D=12596530&seen_snote_ids%5B%5D=12641942&seen_snote_ids%5B%5D=12604251&seen_snote_ids%5B%5D=12597437&seen_snote_ids%5B%5D=12663298&seen_snote_ids%5B%5D=12677017&seen_snote_ids%5B%5D=12653491&seen_snote_ids%5B%5D=12677222&seen_snote_ids%5B%5D=12698017&seen_snote_ids%5B%5D=12658191&seen_snote_ids%5B%5D=12626163&seen_snote_ids%5B%5D=12627683&seen_snote_ids%5B%5D=12554040&seen_snote_ids%5B%5D=12627495&seen_snote_ids%5B%5D=12542947&seen_snote_ids%5B%5D=12638970&seen_snote_ids%5B%5D=12650928&seen_snote_ids%5B%5D=12658392&seen_snote_ids%5B%5D=12659878&seen_snote_ids%5B%5D=12612503&seen_snote_ids%5B%5D=12666856&seen_snote_ids%5B%5D=12694462&seen_snote_ids%5B%5D=12658333&seen_snote_ids%5B%5D=12631006&seen_snote_ids%5B%5D=12618207&seen_snote_ids%5B%5D=11935675&seen_snote_ids%5B%5D=12606275&seen_snote_ids%5B%5D=12630696&seen_snote_ids%5B%5D=12643216&seen_snote_ids%5B%5D=12593022&seen_snote_ids%5B%5D=12625921&seen_snote_ids%5B%5D=12602244&seen_snote_ids%5B%5D=12695755&seen_snote_ids%5B%5D=12609261&seen_snote_ids%5B%5D=12666981&seen_snote_ids%5B%5D=12700237&seen_snote_ids%5B%5D=11904387&seen_snote_ids%5B%5D=12599567&seen_snote_ids%5B%5D=12576413&seen_snote_ids%5B%5D=12565193&seen_snote_ids%5B%5D=12599881&seen_snote_ids%5B%5D=12511241&seen_snote_ids%5B%5D=12576991&seen_snote_ids%5B%5D=12514019&seen_snote_ids%5B%5D=12657719&seen_snote_ids%5B%5D=12533063&seen_snote_ids%5B%5D=12518230&seen_snote_ids%5B%5D=12563828&seen_snote_ids%5B%5D=12494682&seen_snote_ids%5B%5D=12649202&seen_snote_ids%5B%5D=12687940&seen_snote_ids%5B%5D=12492719&seen_snote_ids%5B%5D=12486128&seen_snote_ids%5B%5D=12619419&seen_snote_ids%5B%5D=12677114&seen_snote_ids%5B%5D=12687988&seen_snote_ids%5B%5D=12398046&seen_snote_ids%5B%5D=12639473&seen_snote_ids%5B%5D=12603532&seen_snote_ids%5B%5D=12632823&seen_snote_ids%5B%5D=12694209&seen_snote_ids%5B%5D=12610549&seen_snote_ids%5B%5D=12664416&seen_snote_ids%5B%5D=12600293&seen_snote_ids%5B%5D=12613945&seen_snote_ids%5B%5D=12642344&seen_snote_ids%5B%5D=12689271&seen_snote_ids%5B%5D=12694358&seen_snote_ids%5B%5D=12666521&seen_snote_ids%5B%5D=12473076&seen_snote_ids%5B%5D=12686633&seen_snote_ids%5B%5D=12517536&seen_snote_ids%5B%5D=12674926&seen_snote_ids%5B%5D=12684992&seen_snote_ids%5B%5D=12668691&seen_snote_ids%5B%5D=12606078&seen_snote_ids%5B%5D=12634192&seen_snote_ids%5B%5D=12623365&seen_snote_ids%5B%5D=12423597&seen_snote_ids%5B%5D=12616932&seen_snote_ids%5B%5D=12598725&seen_snote_ids%5B%5D=12624968&seen_snote_ids%5B%5D=12623323&seen_snote_ids%5B%5D=12580963&seen_snote_ids%5B%5D=12620773&seen_snote_ids%5B%5D=12471552&seen_snote_ids%5B%5D=12666934&seen_snote_ids%5B%5D=12148754&seen_snote_ids%5B%5D=12678642&seen_snote_ids%5B%5D=12569617&seen_snote_ids%5B%5D=12560935&seen_snote_ids%5B%5D=12680300&seen_snote_ids%5B%5D=12545244&seen_snote_ids%5B%5D=8286846&seen_snote_ids%5B%5D=12523208&seen_snote_ids%5B%5D=12684296&seen_snote_ids%5B%5D=12662715&seen_snote_ids%5B%5D=12507741&seen_snote_ids%5B%5D=12677811&seen_snote_ids%5B%5D=12504126&seen_snote_ids%5B%5D=12501985&seen_snote_ids%5B%5D=12546054&seen_snote_ids%5B%5D=12678929&seen_snote_ids%5B%5D=12673823&seen_snote_ids%5B%5D=12688021'
    url = baseUrl + data
    results = getDate(url)
    excel_write(results)

输出结果

5.png
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 212,657评论 6 492
  • 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 90,662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 158,143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 56,732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 65,837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 50,036评论 1 291
  • 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 39,126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 37,868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 44,315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 36,641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 38,773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 34,470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 40,126评论 3 317
  • 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 30,859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 32,095评论 1 267
  • 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 46,584评论 2 362
  • 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 43,676评论 2 351

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 171,856评论 25 707
  • iOS网络架构讨论梳理整理中。。。 其实如果没有APIManager这一层是没法使用delegate的,毕竟多个单...
    yhtang阅读 5,174评论 1 23
  • 发现 关注 消息 iOS 第三方库、插件、知名博客总结 作者大灰狼的小绵羊哥哥关注 2017.06.26 09:4...
    肇东周阅读 12,066评论 4 62
  • 相遇是为了更好的遇见,遇见不一样的生活,遇见不一样的未来,遇见不一样的你。然而每次相遇的美好,却背后总会有心酸的故...
    薄荷薇薇安阅读 1,327评论 4 5
  • 我买那台电脑的时候是在大二,当时挑选笔记本的热情一点都不亚于挑选女朋友,记得在买下那台笔记本前的一个月我把整个生活...
    郭劼阅读 652评论 2 9