本篇文章通过爬取多页天涯帖子内容来教给大家深入理解python爬虫相关知识，有兴趣的参考学习下。
今天练习了抓取多页天涯帖子，重点复习的知识包括
- soup.find_all和soup.selcet两个筛选方式对应不同的参数；
- 希望将获取到的多个内容组合在一起返回的时候，要用’zip()’的代码来实现；
- 两层代码结构之间的关系如何构造；
这里有一个疑问：有时候一个标签可以有多个属性，不知道soup.find_all()能不能接受不止一个属性以缩小查找的范围。
# 引入库和请求头文件 import requests from bs4 import BeautifulSoup headers = { 'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36' } # 定义主体函数。函数主体由四部分组成： #1.请求网址 #2.解析网页，形成可查找的html格式 #3.通过soup.select或者sopu.find_all查找需要的标签 #4.通过zip()代码将多个内容合并在一起 def get_content(url): res <mark style="color:transparent">来源gaodaimacom搞#^代%!码&网</mark>= requests.get(url,headers = headers) res.encoding = 'utf-8' soup = BeautifulSoup(res.text,'html.parser') contents = soup.find_all('div','bbs-content') authors = soup.find_all('a','js-vip-check') for author,content in zip(authors,contents): data = { 'author':author.get_text().strip(), 'content': content.get_text().strip() } print(data) # 在这里构造一个两层链接结构：帖子的1、2、3、4页和帖子的详情页的关系在这里实现 if __name__ == '__main__': urls = ['http://bbs.tianya.cn/post-develop-2271894-{}.shtml'.format(str(i)) for i in range (1,5)] # 要注意，这里的‘5'是不包括在范围里的 for url in urls: get_content(url)
以上就是python爬虫获取多页天涯帖子的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python爬虫获取多页天涯帖子
转载请注明原文链接：python爬虫获取多页天涯帖子
