Python爬取學習猿地文章標題,鏈接,時間,作者

 

 

'''
爬取網址:學習猿地猿圈
爬取內容:文章標題,文章連接,作者,時間
工具:bs4,requests
結果:爬取到文件之中
'''
from bs4 import BeautifulSoup
import requests,json
#1.定義請求頭和url
url = 'https://www.lmonkey.com/t'
headers = {
     "User-Agent":  "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3100.0 Safari/537.36"
}
alldata = []
#2.請求獲取數據
res = requests.get(url = url,headers = headers)
if res.status_code == 200:
 
#3.解析數據
    soup = BeautifulSoup(res.text,'lxml')
#獲取頁面中所有的文章
    divclass = soup.find_all( 'div',class_="list-group-item list-group-item-action p-06")
    for i in divclass:
        my_title = i.find('div',class_="topic_title mb-0 lh-180")
        if my_title:
            my_title = my_title.text.split("\n")[0]
            my_url = i.a["href"]
            my_time = i.span['title']
            my_author = i.strong.a.text
            print(my_author)
            print(my_url)
            print(my_time)
            print(my_title)
            temp = {'title':my_title,
                    'passage_url':my_url,
                    'time':my_time,
                    'author':my_author
                    }
            alldata.append(temp)
            #4.寫入文件
    with open('C:/Users/lsy/Desktop/lsy.json','w') as fp:
        json.dump(alldata,fp)

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章