import re
import csv
with open('source.html', 'r', encoding='UTF-8') as f:
source = f.read()
#print(source)
resultList =[]
all_data = re.findall('l_post l_post_bright j_l_post clearfix "(.*?)p_props_tail props_appraise_wrap',source,re.S)
#print(all_data)
for item in all_data:
result = {}
result['name'] = re.findall('username="(.*?)" class',item,re.S)[0]
result['time'] = re.findall('class="tail-info">(2016.*?)</span',item,re.S)[0]
result['content'] = re.findall('j_d_post_content ">(.*?)<',item,re.S)[0]
resultList.append(result)
#print(content)
with open('baidutieba.csv','w',encoding='UTF-8') as f:
writer = csv.DictWriter(f, fieldnames=['name', 'content', 'time'])
writer.writeheader()
writer.writerows(resultList)
爬取百度贴吧评论,评论作者,评论时间并储存为csv文件
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
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
