简单爬取糗事百科页面内容

大体思路:

  1. 分析糗百url格式 https://www.qiushibaike.com/8hr/page/2/,发现需要变动的就是page后面的数字,故应该将该占位符的页码值进行动态赋值
  2. 封装三个函数,功能分别为下载get_html()保存save_html()主程序运行main()
  3. 涉及模块知识点:urllib.request.Request类的使用urllib.request.urlopen方法的使用

代码如下:

-- coding: utf-8 --
# @author : JackYoung
# @date : 2018-03-29 16:24:03
# @email : chuzhu2010@163.com
# @link : http://www.jianshu.com/u/05b01810625

import os
from urllib.request import Request
from  urllib.request import urlopen
import random

def get_html(url, filename):
    '''
    :param url: 要下载的url
    :param filename: 将要保存的文件名
    :return: html 下载的内容
    '''
    print("正在下载" + filename)
    User_Agent_list = [
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36",
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36 Edge/15.15063",
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4882.400 QQBrowser/9.7.13059.400", ]
    header = {
        "User-Agent": random.choice(User_Agent_list)
    }
    # 构造Request对象
    request = Request(url, headers=header)
    # 发送请求
    response = urlopen(request)
    return response.read()


def save_html(html, filename):
    '''
    :param html: 保存的内容
    :param filename: 保存的文件名
    :return: 
    '''
    print("正在保存" + filename)
    base_dir = os.path.join(os.getcwd(), '糗事百科')
    file_path = os.path.join(base_dir, filename)
    with open(file_path, "wb") as f:
        f.write(html)


def main(num):
    '''
    :param num: 要获取的糗百总页数
    :return: 
    '''
    # 构造基本url,动态赋值
    base_url = "http://www.qiushibaike.com/8hr/page/{}/"
    # 遍历页面,分别赋值
    for i in range(num):
        pn = i + 1
        # 拼接参数
        url = base_url.format(pn)
        print(url)
        # 拼接文件名
        filename = "糗事百科第" + str(pn) + "页.html"
        # 获取页面
        html = get_html(url, filename)
        # 保存页面
        save_html(html, filename)
    print("下载完成")


if __name__ == "__main__":
    num = input("请输入爬取糗百的总页数:")
    main(int(num))

运行结果如下:##

页面

image
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 215,539评论 6 497
  • 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 91,911评论 3 391
  • 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 161,337评论 0 351
  • 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 57,723评论 1 290
  • 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 66,795评论 6 388
  • 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 50,762评论 1 294
  • 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 39,742评论 3 416
  • 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 38,508评论 0 271
  • 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 44,954评论 1 308
  • 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 37,247评论 2 331
  • 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 39,404评论 1 345
  • 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 35,104评论 5 340
  • 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 40,736评论 3 324
  • 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 31,352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 32,557评论 1 268
  • 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 47,371评论 2 368
  • 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 44,292评论 2 352

推荐阅读更多精彩内容