python爬虫怎么爬取vip资源（Python网络爬虫之爬取微博热搜）

python爬虫怎么爬取vip资源

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

url= https://s.weibo.com/top/summary?refer=top_hot&topnav=1&wvr=6

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<td class="td-02">的子节点<a>里

(2)热搜的排名都在<td class=td-01 ranktop>的里(注意置顶微博是没有排名的！)

(3)热搜的访问量都在<td class="td-02">的子节点<span>里

2.requests获取网页

(1)先设置url地址，然后模拟浏览器(这一步可以不用)防止被认出是爬虫程序。

?

1 2 3 4

###网址 url="https://s.weibo.com/top/summary?refer=top_hot&topnav=1&wvr=6" ###模拟浏览器，这个请求头windows下都能用 header={'user-agent':'mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/73.0.3683.103 safari/537.36'}

(2)利用req uests库的get()和lxml的etr ee()来获 取网页代码

?

1 2	###获取html页面   html=etree.html(requests.get(url,headers=header).text)

3.构造xpath路径

上面第一步中三个xath路径分别是：

?

1 2 3

affair=html.xpath('//td[@class="td-02"]/a/text()') rank=html.xpath('//td[@class="td-01 ranktop"]/text()') view=html.xpath('//td[@class="td-02"]/span/text()')

　　xpath的返回结果是列表，所以affair、rank、view都是字符串列表

　 4.格式化输出

　　需要注意的是affair中多了一个置顶热搜，我们先将他分离出来。

?

1 2	top=affair[0] affair=affair[1:]

这里利用了python的切片。

?

1 2 3

print('{0:<10}\t{1:<40}'.format("top",top))  for i in range(0, len(affair)):    print("{0:<10}\t{1:{3}<30}\t{2:{3}>20}".format(rank[i],affair[i],view[i],chr(12288)))

这里还是没能做到完全对齐。。。

　5.全部代码

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

###导入模块 import requests from lxml import etree ###网址 url="https://s.weibo.com/top/summary?refer=top_hot&topnav=1&wvr=6" ###模拟浏览器 header={'user-agent':'mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/73.0.3683.103 safari/537.36'} ###主函数 def main():   ###获取html页面   html=etree.html(requests.get(url,headers=header).text)   rank=html.xpath('//td[@class="td-01 ranktop"]/text()')   affair=html.xpath('//td[@class="td-02"]/a/text()')   view = html.xpath('//td[@class="td-02"]/span/text()')   top=affair[0]   affair=affair[1:]   print('{0:<10}\t{1:<40}'.format("top",top))   for i in range(0, len(affair)):     print("{0:<10}\t{1:{3}<30}\t{2:{3}>20}".format(rank[i],affair[i],view[i],chr(12288))) main()

结果展示:

总结

以上所述是小编给大家介绍的python网络爬虫之爬取微博热搜,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对开心学习网网站的支持！

如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

原文链接：http://www.cnblogs.com/JustNo/p/10726802.html