“Hello 我 是 大 白,带 你 进 入 Python 世界”
welcome to the Python world
今天教大家通过python实现糗事百科页面的内容采集,获取糗事百科热门的文章内容和好评数量。这是相对来说比较容易的,因为糗事百科不需要登陆,不需要cookie。但是需要设置http的MIME头,模拟浏览器访问才能正常请求。
需要安装BeautifulSoup包,它就是今天的主“美丽汤”!
简单来说,Beautiful Soup是python的一个库,最主要的功能是从网页抓取数据。官方解释如下:
Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。
Beautiful Soup自动将输入文档转换为Unicode编码,输出文档转换为utf-8编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful Soup就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。
Beautiful Soup已成为和lxml、html6lib一样出色的python解释器,为用户灵活地提供不同的解析策略或强劲的速度。
废话不多说,我们来试一下吧~
输出结果为文章的内容及好评点赞的数量
参考来源:数据架构师
喜欢的话转发给你身边的小伙伴
↓更多学习资料↓
领取专属 10元无门槛券
私享最新 技术干货