首页 > 代码库 > 第一个python爬虫程序
第一个python爬虫程序
1.安装Python环境
官网https://www.python.org/下载与操作系统匹配的安装程序,安装并配置环境变量
2.IntelliJ Idea安装Python插件
我用的idea,在工具中直接搜索插件并安装(百度)
3.安装beautifulSoup插件
https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/#attributes
4.爬虫程序:爬博客园的闪存内容
#!/usr/bin/python # -*- coding: UTF-8 -*- import urllib2 import time import bs4 ‘‘‘ing.cnblogs.com爬虫类‘‘‘ class CnBlogsSpider: url = "https://ing.cnblogs.com/ajax/ing/GetIngList?IngListType=All&PageIndex=${pageNo}&PageSize=30&Tag=&_=" #获取html def getHtml(self): request = urllib2.Request(self.pageUrl) response = urllib2.urlopen(request) self.html = response.read() #解析html def analyze(self): self.getHtml() bSoup = bs4.BeautifulSoup(self.html) divs = bSoup.find_all("div",class_=‘ing-item‘) for div in divs: img = div.find("img")[‘src‘] item = div.find("div",class_=‘feed_body‘) userName = item.find("a",class_=‘ing-author‘).text text = item.find("span",class_=‘ing_body‘).text pubtime = item.find("a",class_=‘ing_time‘).text star = item.find("img",class_=‘ing-icon‘) and True or False print ‘( 头像: ‘,img,‘昵称: ‘,userName,‘,闪存: ‘,text,‘,时间: ‘,pubtime,‘,星星: ‘,star,‘)‘ def run(self,page): pageNo = 1 while (pageNo <= page): self.pageUrl = self.url.replace(‘${pageNo}‘, str(pageNo))+str(int(time.time())) print ‘-------------\r\n第 ‘,pageNo,‘ 页的数据如下:‘,self.pageUrl self.analyze() pageNo = pageNo + 1 CnBlogsSpider().run(3)
5.执行结果
第一个python爬虫程序
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。