一个有意思的爬虫案例（爬取文章链接文章的链接、标题、评论数和点赞数量）

浅浅的花香味﹌ 2021-11-10 13:28 237阅读 0赞

参考博客：[https://www.jianshu.com/p/ff37a8524e72][https_www.jianshu.com_p_ff37a8524e72]

爬之前先分析一下  
1、爬什么：文章链接文章的链接、标题、评论数和点赞数量  
2、怎么爬：requests请求网页、xpath解析网页  
接下来正式开始爬取：  
第一步：分析网页，写出图片的 xpath路径  
第二步：用 requests库获取网页  
第三步：使用 lxml库解析网页  
第四步：把爬取到的信息保存下来

爬取的网页如图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1aV95b25naHVh_size_16_color_FFFFFF_t_70]

# -*- coding: utf-8 -*
    import requests
    from lxml import etree
    
    # 请求头和目标网址
    headers = { 
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.117 Safari/537.36'
    }
    url = 'https://www.jianshu.com/u/472a595d244c'
    
    # xpath : 获取所有 li标签
    xpath_items = '//ul[@class="note-list"]/li'
    # 对每个 li标签再提取
    xpath_link = './div/a/@href'
    xpath_title = './div/a/text()'
    xpath_comment_num = './/div[@class="meta"]/a[2]/text()'
    xpath_heart_num = './/div[@class="meta"]/span/text()'
    
    
    # 获取和解析网页
    r = requests.get(url, headers=headers)
    r.encoding = r.apparent_encoding
    dom = etree.HTML(r.text)
    
    # 获取所有的文章标签
    items = dom.xpath(xpath_items)
    
    # 分别对每一个文章标签进行操作 将每篇文章的链接 标题 评论数 点赞数放到一个字典里
    data = []
    for article in items:
        t = { }
        t['link'] = article.xpath(xpath_link)[0]
        t['title'] = article.xpath(xpath_title)[0]
        # comment_num对应的标签里有两个文本标签 用 join方法将两个文本拼接起来
        # strip()方法去除换行和空格
        t['comment_num'] = ''.join(article.xpath(xpath_comment_num)).strip()
        t['heart_num'] = article.xpath(xpath_heart_num)[0].strip()
        data.append(t)
    
    # 打印结果
    for t in data:
        print(t)

执行结果如下图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1aV95b25naHVh_size_16_color_FFFFFF_t_70 1]

[https_www.jianshu.com_p_ff37a8524e72]: https://www.jianshu.com/p/ff37a8524e72
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1aV95b25naHVh_size_16_color_FFFFFF_t_70]: /images/20211109/6cd5438463434e76839d1f6e27605379.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1aV95b25naHVh_size_16_color_FFFFFF_t_70 1]: /images/20211109/a75ee130beee4f9f85ebf61aec12062d.png