python函数的内涵_python内涵段子文章爬取
全文简介
使用python中简单的爬虫知识,对内涵段子的文章进行爬取。
需要用到的模块:requests模块和time模块。
需要的程序编辑软件:Pycharm
程序流程
1> 获取URL:进入内涵段子官网,动态网页信息获取使用F12,点击Network,确定显示灯为红色,使用all。点击“加载更多”,获取信息,找到json文件,获取文章网址。
2> 进行抓包,获取文章内容。
3> 翻页操作。时间戳max_time的存在,使得可以通过获取max_time来进行翻页功能。Unix时间戳(Unixtimestamp),或称Unix时间(Unixtime)、POSIX时间(POSIXtime),是一种时间表示方式,定义为从格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总毫秒数。
4> 添加headers。网站自己都会有反爬功能,当我们不添加headers时,网站不承认是内部访问,会出现爬取信息重复等问题。
程序复现
#导入模块
import requests
import time
#复制网址
url = 'https://neihanshequ.com/joke/?is_json=1&app_name=neihanshequ_web&max_time=1521174524'
html = requests.get(url)
#获取max_time
maxTimeData = html.json()['data']['max_time']
#添加headers
header = {'Accept':'application/json, text/javascript, */*; q=0.01',
'Accept-Encoding':'gzip, deflate, sdch, br',
'Accept-Language':'zh-CN,zh;q=0.8',
'Connection':'keep-alive',
'Cookie':'uuid="w:75f40cfa476b42f38467bdd14f4e8532"; __guid=101886750.3873194365346073600.1521180227278.0383; tt_webid=6533419315906250243; csrftoken=39829a188b3ab17a8a5a072b729345d3; monitor_count=7; _ga=GA1.2.1404692264.1521180230; _gid=GA1.2.1807126790.1521180230',
'Host':'neihanshequ.com',
'Referer':'https://neihanshequ.com/',
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
'X-CSRFToken':'39829a188b3ab17a8a5a072b729345d3',
'X-Requested-With':'XMLHttpRequest'}
#进入循环,翻页功能,文章获取并写入
while type(maxTimeData) == float or type(maxTimeData) == int:
#使用tile模块进行延时
time.sleep(3)#延时3s
url = 'https://neihanshequ.com/joke/?is_json=1&app_name=neihanshequ_web&max_time=' + str(maxTimeData)
html = requests.get(url,headers = header)
with open(r'C:\Users\Administrator\Desktop\data.txt','a',encoding='utf-8') as f:
for n in range (len(html.json()['data']['data'])):
data = (html.json()['data']['data'][n]['group']['content'])
f.write(data + '\n')
maxTimeData = html.json()['data']['max_time']
#输出max_time,提示翻页次数
print (maxTimeData)
结果展示
python函数的内涵_python内涵段子文章爬取相关推荐
- 爬虫python下载文献代码_Python爬虫案例:爬取微信公众号文章
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. 文章转载于公众号:早起Python 作者:陈熹 大家好,今天我们来讲点Selenium自动化,你是 ...
- python爬虫酷狗_python爬虫教程:爬取酷狗音乐,零基础小白也能爬取哦
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于腾讯云 作者:python学习教程 ( 想要学习Python?Pyt ...
- python 爬虫热搜_Python网络爬虫之爬取微博热搜
微博热搜的爬取较为简单,我只是用了lxml和requests两个库 1.分析网页的源代码:右键--查看网页源代码. 从网页代码中可以获取到信息 (1)热搜的名字都在 的子节点里 (2)热搜的排名都在 ...
- Python 柱状图 横坐标 名字_Python爬虫实例(二)——爬取新馆疫情每日新增人数
python是世界上最美的语言. 大家好,我是Henry! 疫情以来,相信大家每天都关注着疫情的实时动态,许多网站上也post了疫情的相关资料. 百香园 百度 各个网站都会统计每日新增,刚学了Matp ...
- python爬虫妹子图_Python 爬虫入门(二)——爬取妹子图
Python 爬虫入门 听说你写代码没动力?本文就给你动力,爬取妹子图.如果这也没动力那就没救了. 公众号:[智能制造社区].欢迎关注,分享智能制造与编程那些事. 爬虫成果 当你运行代码后,文件夹就会 ...
- python requests cookie保存_Python爬虫教程:爬取知乎网
知乎已经成为了爬虫的训练场,本文利用Python中的requests库,模拟登陆知乎,获取cookie,保存到本地,然后这个cookie作为登陆的凭证,登陆知乎的主页面,爬取知乎主页面上的问题和对应问 ...
- python大作业爬虫_Python爬虫学习-爬取大规模数据(10w级)
编译环境:python v3.5.0, mac osx 10.11.4 python爬虫基础知识: Python爬虫学习-基础爬取 了解数据库 MongoDB 数据库是储存数据的地方,可以将如下的字典 ...
- python 异步加载_Python学习笔记4——爬取异步加载数据
一.什么是异步加载? 在之前的学习笔记中,爬取的网页是需要手动翻页的网址,但是一些网站是通过自动加载翻页的,如knewone网页.浏览knewone的官网就能发现,当下拉到网页最下端时,网站会自动加载 ...
- go爬虫和python爬虫哪个好_python 爬虫实战项目--爬取京东商品信息(价格、优惠、排名、好评率等)-Go语言中文社区...
利用splash爬取京东商品信息 一.环境 window7 python3.5 pycharm scrapy scrapy-splash MySQL 二.简介 为了体验scrapy-splash 的动 ...
最新文章
- [20170420]关于延迟块清除3.txt
- python常用模块大全总结-python常用模块整理
- ML之kNNC:基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测daiding
- optee的异常向量表-(irq,fiq,svc...)
- git rm–r folder/file fatal:pathspec did not match any files
- 关于Linux下的umask
- java服务器崩溃的原因_请求大神帮忙分析一下服务器崩溃原因
- 力扣133. 克隆图
- 数据库多表查询关联查询SQL语句
- pyhive数据库连接池使用
- linux万兆网卡驱动下载,Intel英特尔PCIe万兆网卡驱动5.11.3版For Linux(2021年3月5日发布)...
- 使用matlab计算 洛伦兹方程 的李雅普诺夫指数
- 新手学计算机剪辑,适合剪辑初学者使用的电脑剪辑软件
- Axure RP 8--成绩管理页面原型图
- 燕山大学教务系统官网计算机学院,燕山大学教务处_燕山大学教务信息网_燕山大学教务管理系统入口...
- 用python将doc文件转换成docx文件
- Java编写杨辉三角
- EXSI6怎么设置虚拟机从光驱启动
- 剑指 Offer 19. 正则表达式匹配 regex_match() regex()
- SQL - 连接表(多表查询)
热门文章
- 商业|商务海报篇-简洁华丽的商务海报
- 子程序调用编程序例子_汇编程序设计:LCD1602静态显示
- vant表单点击提交没有触发验证_jquery.validate不用submit提交,用js提交的,怎么触发验证啊?...
- Understanding glibc malloc - ptmalloc
- C语言插件开发模式与分析
- linux内核驱动之 设备驱动简介之内核划分
- OpenCV学习笔记:反色显示图片、鼠标事件、键盘事件和窗口滑动条操作
- php如何从mongo获取视频文件,使用mongodb对文件(图片、音频、视频)的存储、读取操作...
- ospf协议_「案例」OSPF路由动态协议及配置
- hive 如何将数组转成字符串_hive 将hive表数据查询出来转为json对象和json数组输出...