Python 一个抓取糗百的段子的小程序
import requests import re #糗事百科爬虫类 class QSBK: #初始化方法,定义一些变量 def __init__(self): self.headers={ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.79 Safari/537.36" } #存放段子的变量,每一个元素是每一页的段子们 self.stories=[] #存放程序是否继续运行的变量 self.enable =False def getPage(self,page): try: url = 'http://www.qiushibaike.com/hot/page/' + str(page) print(url) response = requests.get(url,headers=self.headers) html_content = response.content.decode('UTF-8') #print(html_content) # regex=re.compile('<div class="article block untagged mb15\s\S+" id="\S+">.*?</div>') regex = re.compile('<h2>(.*?)</h2>.*?<div class="content">\W+<span>(.*?)</span>', re.S) #regex = re.compile('<h2>', re.S) regex_content = re.findall(regex, html_content) print(regex_content) for i in regex_content: self.stories.append(i[0].replace('\n', ''),i[1].replace('\n', '')) return self.stories except Exception as e: print('异常:%s' % e) js = QSBK() for i in range(100): lists = js.getPage(i) print('============================================ 第 '+str(i)+' 页 =============================================') print(lists)
如果发现不能用,那就是糗百又改规则了
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· Manus爆火,是硬核还是营销?
· 终于写完轮子一部分:tcp代理 了,记录一下
· 别再用vector<bool>了!Google高级工程师:这可能是STL最大的设计失误
· 单元测试从入门到精通
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了