import requests
import re
def get_one_page(url):
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36'}
res = requests.get(url, headers=headers)
return res.text
def parse_one_page(html):
pattern=re.compile('<div class="one-cont".*?<i>(.*?)</i>.*?<a href=.*?>(.*?)</a>.*?</div>',re.S)
items=re.findall(pattern,html)
for item in items:
yield {
'author':item[0],
'content':item[1]
}
def main():
url = 'https://www.xiaohua.com/duanzi?page=1'
html=get_one_page(url)
for item in parse_one_page(html):
print(item)
if __name__=='__main__':
main()
2019-10-09 笑话网爬虫(练习requests)
©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。
推荐阅读更多精彩内容
- HTTP协议 HTTP协议,即超文本传输协议(Hypertext transfer protocol)。HTTP协...
- 1.安装并测试 requests库 1.1 管理员权限启动cmd控制台,安装requests库 1.2 启动jup...
- 1,练习学习涉及bs4解析网页2,登录时对登录有formhash设定3,需使用fiddler抓包工具抓到4,主要为...
- 如果你不懂为什么有人如此爱狗,或许只是因为,你没有养狗而已。 球球,是一只狗,跟着我来到家里,已经7个月零2天了,...