服务器之家

服务器之家 > 正文

如何使用python爬取知乎热榜Top50数据

时间:2022-01-12 00:20     来源/作者:小狐狸梦想去童话镇

1、导入第三方库

import urllib.request,urllib.error  #请求网页
from bs4 import BeautifulSoup  # 解析数据
import sqlite3  # 导入数据库
import re # 正则表达式
import time # 获取当前时间

 

2、程序的主函数

def main():
  # 声明爬取网页
  baseurl = "https://www.zhihu.com/hot"
  # 爬取网页
  datalist = getData(baseurl)
  #保存数据
  dbname = time.strftime("%Y-%m-%d", time.localtime()) # 
  dbpath = "zhihuTop50  " + dbname
  saveData(datalist,dbpath)

 

3、正则表达式匹配数据

#正则表达式
findlink = re.compile(r'<a class="css-hi1lih" href="(.*?)" rel="external nofollow"  rel="external nofollow" ') #问题链接
findid = re.compile(r'<div class="css-blkmyu">(.*?)</div>') #问题排名
findtitle = re.compile(r'<h1 class="css-3yucnr">(.*?)</h1>') #问题标题
findintroduce = re.compile(r'<div class="css-1o6sw4j">(.*?)</div>') #简要介绍
findscore = re.compile(r'<div class="css-1iqwfle">(.*?)</div>') #热门评分
findimg = re.compile(r'<img class="css-uw6cz9" src="(.*?)"/>') #文章配图

 

4、程序运行结果

如何使用python爬取知乎热榜Top50数据

如何使用python爬取知乎热榜Top50数据

 

5、程序源代码

import urllib.request,urllib.error
from bs4 import BeautifulSoup
import sqlite3
import re
import time

def main():
  # 声明爬取网页
  baseurl = "https://www.zhihu.com/hot"
  # 爬取网页
  datalist = getData(baseurl)
  #保存数据
  dbname = time.strftime("%Y-%m-%d", time.localtime())
  dbpath = "zhihuTop50  " + dbname
  saveData(datalist,dbpath)
  print()
#正则表达式
findlink = re.compile(r'<a class="css-hi1lih" href="(.*?)" rel="external nofollow"  rel="external nofollow" ') #问题链接
findid = re.compile(r'<div class="css-blkmyu">(.*?)</div>') #问题排名
findtitle = re.compile(r'<h1 class="css-3yucnr">(.*?)</h1>') #问题标题
findintroduce = re.compile(r'<div class="css-1o6sw4j">(.*?)</div>') #简要介绍
findscore = re.compile(r'<div class="css-1iqwfle">(.*?)</div>') #热门评分
findimg = re.compile(r'<img class="css-uw6cz9" src="(.*?)"/>') #文章配图

def getData(baseurl):
  datalist = []
  html = askURL(baseurl)
  # print(html)

  soup = BeautifulSoup(html,'html.parser')
  for item in soup.find_all('a',class_="css-hi1lih"):
      # print(item)
      data = []
      item = str(item)

      Id = re.findall(findid,item)
      if(len(Id) == 0):
          Id = re.findall(r'<div class="css-mm8qdi">(.*?)</div>',item)[0]
      else: Id = Id[0]
      data.append(Id)
      # print(Id)

      Link = re.findall(findlink,item)[0]
      data.append(Link)
      # print(Link)

      data.append(Title)
      # print(Title)

      Introduce = re.findall(findintroduce,item)
      if(len(Introduce) == 0):
          Introduce = " "
      else:Introduce = Introduce[0]
      data.append(Introduce)
      # print(Introduce)

      Score = re.findall(findscore,item)[0]
      data.append(Score)
      # print(Score)

      Img = re.findall(findimg,item)
      if (len(Img) == 0):
          Img = " "
      else: Img = Img[0]
      data.append(Img)
      # print(Img)
      datalist.append(data)
  return datalist
def askURL(baseurl):
  # 设置请求头
  head = {
      # "User-Agent": "Mozilla/5.0 (Windows NT 10.0;Win64;x64) AppleWebKit/537.36(KHTML, likeGecko) Chrome/80.0.3987.163Safari/537.36"
      "User-Agent": "Mozilla / 5.0(iPhone;CPUiPhoneOS13_2_3likeMacOSX) AppleWebKit / 605.1.15(KHTML, likeGecko) Version / 13.0.3Mobile / 15E148Safari / 604.1"
  }
  request = urllib.request.Request(baseurl, headers=head)
  html = ""
  try:
      response = urllib.request.urlopen(request)
      html = response.read().decode("utf-8")
      # print(html)
  except urllib.error.URLError as e:
      if hasattr(e, "code"):
          print(e.code)
      if hasattr(e, "reason"):
          print(e.reason)
  return html
  print()
def saveData(datalist,dbpath):
  init_db(dbpath)
  conn = sqlite3.connect(dbpath)
  cur = conn.cursor()

  for data in datalist:
      sql = '''
      insert into Top50(
      id,info_link,title,introduce,score,img)
      values("%s","%s","%s","%s","%s","%s")'''%(data[0],data[1],data[2],data[3],data[4],data[5])
      print(sql)
      cur.execute(sql)
      conn.commit()
  cur.close()
  conn.close()
def init_db(dbpath):
  sql = '''
  create table Top50
  (
  id integer primary key autoincrement,
  info_link text,
  title text,
  introduce text,
  score text,
  img text
  )
  '''
  conn = sqlite3.connect(dbpath)
  cursor = conn.cursor()
  cursor.execute(sql)
  conn.commit()
  conn.close()

if __name__ =="__main__":
  main()

到此这篇关于如何使用python爬取知乎热榜Top50数据的文章就介绍到这了,更多相关python 爬取知乎内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!

原文链接:https://blog.csdn.net/gets_s/article/details/115096619

标签:

相关文章

热门资讯

蜘蛛侠3英雄无归3正片免费播放 蜘蛛侠3在线观看免费高清完整
蜘蛛侠3英雄无归3正片免费播放 蜘蛛侠3在线观看免费高清完整 2021-08-24
yue是什么意思 网络流行语yue了是什么梗
yue是什么意思 网络流行语yue了是什么梗 2020-10-11
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
2021年耽改剧名单 2021要播出的59部耽改剧列表
2021年耽改剧名单 2021要播出的59部耽改剧列表 2021-03-05
返回顶部