Python爬蟲實現(xiàn)（偽）球迷速成

更新時間：2018年06月10日 14:54:11 投稿：mrr

還有4天就世界杯了，作為一個資深（偽）球迷，必須要實時關注世界杯相關新聞，了解各個球隊動態(tài)，下面小編給大家?guī)砹薖ython爬蟲實現(xiàn)（偽）球迷速成功能，一起看看吧

還有4天就世界杯了，作為一個資深（偽）球迷，必須要實時關注世界杯相關新聞，了解各個球隊動態(tài)，這樣才能在一堆球迷中如（大）魚（吹）得（特）水（吹），迎接大家仰慕的目光!

給大家分享一個快速了解相關信息的辦法：刷論壇！我們來一起做個虎撲論壇的爬蟲吧！

抓包獲取虎撲論壇相關帖子內(nèi)容，逐條顯示！

先來觀察下網(wǎng)頁，打開論壇首頁，選擇國際足球

然后往下拉，找到世界杯相關內(nèi)容

這里就是我們的目標了，所有相關的新聞都會在這里顯示，用F12打開“開發(fā)者工具”然后往下瀏覽看看數(shù)據(jù)包

注意箭頭指向的那幾個地方！

這就是剛才瀏覽的新聞所在的json包，來看看具體數(shù)據(jù)是什么

ok，標題、地址、發(fā)布時間包括來源都已經(jīng)出現(xiàn)了!我們可以直接抓取json數(shù)據(jù)然后取出相關內(nèi)容！

再進入具體新聞頁面看看

世界杯快到了，看我用Python爬蟲實現(xiàn)（偽）球迷速成！

所有的文本內(nèi)容，都在<div class="artical-main-content">這個標簽下的<p></p>標簽內(nèi)，我們可以用xpath直接取div下的所有文本內(nèi)容!

這里就不一一說明了，直接上代碼，并錄個小的GIF圖片給大家看看效果

#Q群542110741
# -*- coding:utf-8 -*-
import requests
from lxml import etree

header = {
  'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:60.0) Gecko/20100101 Firefox/60.0',
  'Host':'soccer.hupu.com',
  'Referer':'https://soccer.hupu.com/'}
i = 0
while 1:
  #構建循環(huán)頁面翻頁
  url = 'https://soccer.hupu.com/home/latest-news?league=世界杯&page='
  i += 1
  #獲取json數(shù)據(jù)，一頁20個
  html = requests.get(url+str(i),headers=header).json()['result']
  for info in html:
    time_r = info['time']#發(fā)布時間
    title = info['title']#標題
    url_r = info['url']#新聞鏈接
    origin = info['origin']#來源
    print(title)
    print('發(fā)布時間:',time_r,' '*5,'來自：',origin)
    head = header
    head['Host'] = 'voice.hupu.com'#更改header中Host參數(shù)
    html_r = requests.get(url_r,headers=head)#獲取新聞詳情
    html_r.encoding = 'utf-8'#編碼格式指定
    #獲取div下的所有文本
    datas = etree.HTML(html_r.text).xpath('//div[@class="artical-content-read"]')[0].xpath('string(.)').strip()
    print('\n'+'內(nèi)容：'+'\n'*2,datas,'\n')
    #可由用戶手動退出循環(huán)
    if input('任意鍵繼續(xù)，“q”退出') in ['q', 'Q']:
      exit()

總結

以上所述是小編給大家介紹的Python爬蟲實現(xiàn)（偽）球迷速成，希望對大家有所幫助，如果大家有任何疑問歡迎給我留言，小編會及時回復大家的！

您可能感興趣的文章: