Python 製作糗事百科爬蟲執行個體_python

早上起來閑來無事做，莫名其妙的就彈出了糗事百科的段子，轉念一想既然你送上門來，那我就寫個爬蟲到你網站上爬一爬吧，一來當做練練手，二來也算找點樂子。

其實這兩天也正在接觸資料庫的內容，可以將爬取下來的資料儲存在資料庫中，以待以後的利用。好了，廢話不多說了，先來看看程式爬取的資料結果

值得一提的是，我在程式中想一下子爬取糗事百科 30 頁的內容，但是出現了串連錯誤，當我把頁數降到 20 頁的時候，程式就可以正常的跑起來了，不知道是什麼原因，渴望知道的大神可以告訴我一聲，感激不盡。

程式非常簡單，直接上原始碼咯

# coding=utf8import reimport requestsfrom lxml import etreefrom multiprocessing.dummy import Pool as ThreadPoolimport sysreload(sys)sys.setdefaultencoding('utf-8')def getnewpage(url, total): nowpage = int(re.search('(\d+)', url, re.S).group(1)) urls = [] for i in range(nowpage, total + 1):  link = re.sub('(\d+)', '%s' % i, url, re.S)  urls.append(link) return urlsdef spider(url): html = requests.get(url) selector = etree.HTML(html.text) author = selector.xpath('//*[@id="content-left"]/div/div[1]/a[2]/@title') content = selector.xpath('//*[@id="content-left"]/div/div[2]/text()') vote = selector.xpath('//*[@id="content-left"]/div/div[3]/span/i/text()') length = len(author) for i in range(0, length):  f.writelines('作者 : ' + author[i] + '\n')  f.writelines('內容 ：' + str(content[i]).replace('\n','') + '\n')  f.writelines('支援 ： ' + vote[i] + '\n\n')if __name__ == '__main__': f = open('info.txt', 'a') url = 'http://www.qiushibaike.com/text/page/1/' urls = getnewpage(url, 20) pool = ThreadPool(4) pool.map(spider,urls) f.close()

如果其中有不懂得部分，可以依次參考我的前三篇文章。