百度知道爬取

基本功能已经实现,代码待完善,可以满足基本爬取

import requests
from lxml import etree


class ZhiDaoSpider(object):
   # 请求内容
   def __init__(self):
       self.headers = {
           "User - Agent": "Mozilla / 5.0(Windows NT 10.0;WOW64) AppleWebKit / 537.36(KHTML, likeGecko)"
                           " Chrome / 72.0.3610.2 Safari / 537.36"
       }
       self.word = input("请输入需要搜索的内容:")
       self.page = 0
       self.base_url = "https://zhidao.baidu.com/search?word=%s&pn=" % self.word
   
   # 列表页url解析
   def send_request(self, url):
       response = requests.get(url=url, headers=self.headers)
       return response
   
   # 详情页url解析
   def send_request_detail(self, url_list):

       response = requests.get(url=url_list, headers=self.headers)

       return response
   
   # 列表页解析 得出每个详情页url
   def pares_page(self, response):
       html_obj = response.content
       # html_obj = html_obj.decode("gbk")

       html = etree.HTML(html_obj)
       link_list = html.xpath("//div[@id='wgt-list']/dl/dt/a/@href")
       item_list = []
       for link in link_list:
           item_list.append(link)
       return item_list
   
   # 详情页解析  得出每个详情的内容
   def pares_details(self, details):
       html_obj = etree.HTML(details.content)
       html_list = html_obj.xpath("//div[@id='wgt-ask']/h1/span[1]/text()")
       
       # 内容标题
       for title in html_list:
           print(title)
       
       # 文章内容
       details_list = html_obj.xpath("//div[@accuse='aContent']/text()")
       print(details_list)

   def main(self):
       page = 0
       while True:
           # 拼接url字符串
           full_url = self.base_url + str(page)
           print(full_url)
           
           response = self.send_request(full_url)
           link_list = self.pares_page(response)
           print(link_list)
           
           # 得到每个详情页url
           for deta in range(len(link_list)):
               url = link_list[deta]
               print(url)
               details = self.send_request_detail(url)
               self.pares_details(details)

           page += 10
           if page == 750:
               break


if __name__ == '__main__':
   spider = ZhiDaoSpider()
   spider.main()



©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,126评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,254评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,445评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,185评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,178评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,970评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,276评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,927评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,400评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,883评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,997评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,646评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,213评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,204评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,423评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,423评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,722评论 2 345

推荐阅读更多精彩内容