Python爬虫实验报告之Big_Homework1_Lishipin

Python爬虫实验报告之Big_Homework1_Lishipin实验目的:爬取梨视频网站某模块全部信息;字段信息为:视频标题、作者、点赞数,纯视频链接,并且存入txt文档。实验过程截图:源码:1importrequests2fromlxmli

大家好,又见面了,我是你们的朋友全栈君。

实验目的:

爬取梨视频网站某模块全部信息;

字段信息为:视频标题、作者、点赞数,纯视频链接,并且存入txt文档。

实验过程截图

<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin

 

源码:

<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin
<span role="heading" aria-level="2">Python爬虫实验报告之Big_Homework1_Lishipin

 1 import requests
 2 from lxml import etree
 3 from urllib import request
 4 import re
 5 
 6 # 全局变量(请求头+文件IO对象)
 7 headers = {
 8     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.83 Safari/537.36 Edg/85.0.564.44'}
 9 file = open('./梨视频.txt', 'w', encoding='utf-8')
10 
11 
12 # 采集前端源码
13 def index():
14     for num in range(0, 493, 12):
15         base_url = 'https://www.pearvideo.com/category_loading.jsp?reqType=5&categoryId=59&start={}'.format(num)
16         print('正在写入', base_url, '中的数据信息...')
17         response = requests.get(base_url, headers=headers)  # 模拟访问+请求头
18         response.encoding = 'utf-8'  # 解码
19         html = response.text  # 获取源码
20         clean(html)  # 清洗数据
21 
22 
23 # 清洗数据
24 def clean(html):
25     htmls = etree.HTML(html)  # 预处理
26     video_titles = htmls.xpath('//div[@class="vervideo-bd"]/a/div[2]/text()')
27     # print(video_titles),视频标题
28     video_authors = htmls.xpath('//div[@class="vervideo-bd"]/div/a/text()')
29     # print(video_authors),作者
30     video_likes = htmls.xpath('//div[@class="vervideo-bd"]/div/span/text()')
31     # print(video_likes),点赞数
32     video_urls1 = htmls.xpath('//div[@class="vervideo-bd"]/a/@href')
33     # print(video_urls1),不完整的视频链接
34     printt(video_titles,video_authors,video_likes,video_urls1)
35 
36 
37 # 打印数据
38 def printt(video_titles,video_authors,video_likes,video_urls1):
39     # 拼接
40     for vu,vt,va,vl in zip(video_urls1,video_titles,video_authors,video_likes):
41         video_urls2 = 'https://www.pearvideo.com/' + vu
42         # print(video_urls2)
43         # 第二层访问
44         response = requests.get(video_urls2)
45         response.encoding = 'utf-8'
46         html = response.text
47         # print(html)
48         # 吸星大法
49         pattern = re.compile('srcUrl="(.*?)",vdoUrl')
50         video_url = pattern.findall(html)[0]
51         # print(video_url)
52         full_info='视频标题:'+vt+'\t'+'作者:'+va+'\t'+'点赞数:'+str(vl)+'\n'+video_url
53         file.write(full_info+'\n')
54 
55 
56 # 下载模块
57 def download():
58     pass
59 
60 
61 if __name__ == '__main__':
62     index()
63     file.close()

View Code

实验心得:

因为我先写的大作业2,所以这个写的顺的一批,中间也没遇到什么烦人的bug,又是一段开心的编程经历。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/156168.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 5分钟学会MySQL-this is incompatible with sql_mode=only_full_group_by错误解决方案[通俗易懂]

    5分钟学会MySQL-this is incompatible with sql_mode=only_full_group_by错误解决方案[通俗易懂]5分钟学会MySQL-"thisisincompatiblewithsql_mode=only_full_group_by"错误解决方案前言:一、原理层面这个错误发生在mysql5.7版本及以上版本会出现的问题…

    2022年5月26日
    31
  • 罗技k580切换设备_罗技键盘怎么连接电脑

    罗技k580切换设备_罗技键盘怎么连接电脑插接收器是默认长按F11的,蓝牙是默认长按F12电脑:MacbookPro、联想台式机目的:Mac连蓝牙,联想连接收器步骤:首先进驱动下载地址下载罗技驱动插上接收器进入驱动软件,长按键盘F11,将键盘与联想成功连接,此时联想绑定的为F11长按F12,打开Mac蓝牙,Mac跳出提示(用K580输入6个数字加enter键,然后点击连接),可与Mac成功连接,此时Mac绑定的是F12两台电脑成功连接后,按F11可切换到联想电脑,按F12可切换到Mac…

    2022年10月15日
    3
  • clion激活码(注册激活)

    (clion激活码)这是一篇idea技术相关文章,由全栈君为大家提供,主要知识点是关于2021JetBrains全家桶永久激活码的内容https://javaforall.net/100143.htmlIntelliJ2021最新激活注册码,破解教程可免费永久激活,亲测有效,上面是详细链接哦~08G05E7DZH-eyJsaWNlb…

    2022年3月28日
    112
  • IDEA汉化版踩坑

    IDEA汉化版踩坑IDEA汉化版踩坑之前下的汉化版踩了一些坑,最后还是用回了英文版……①无法在项目中打开setting首先确保IntellijIDEA关闭,然后打开IDEA安装位置的文件夹,将lib文件夹下的resources_cn.jar文件用压缩软件打开、将其messages文件夹内的①IdeBundle.properties(系统设置(setting)外观选项加载不出来)②VcsBundle….

    2022年5月25日
    46
  • ny55 懒省事的小明

    ny55 懒省事的小明

    2021年8月24日
    61
  • PLSQL使用教程

    PLSQL使用教程plsql基本使用教程一、登录1、在这里配置好数据库服务,之后就可以登录了2、输入用户名和密码,并选择之前配置好的数据库服务。我这服务名取为localhost。(这个名字随意起。)二、创建表空间1、在SQL窗口中执行以下SQL代码。CREATETABLESPACEFJFEDWLOGGINGDATAFILE’C:\app\Administrator\oradata\orcl…

    2022年5月2日
    63

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号