python定向爬蟲執行個體（三）

功能：爬取百度熱搜的實時排行榜資訊

程式設計：

• 爬取百度熱搜網頁的HTML文本
• 解析HTML文本擷取排名、熱度資訊
• 将擷取到的資訊以字典的形式存儲到檔案中

代碼：

#爬取百度熱搜的實時排行榜
#技術路線：requests---bs4
import requests
from bs4 import BeautifulSoup

def getHTML(url):
    try:
        r=requests.get(url,headers={'User-Agent':'Mozilla/5.0'})
        r.raise_for_status()
        r.encoding=r.apparent_encoding
        return r.text
    except:
        return ""

def parseHTML(demo,file_path):
    f=open(file_path,"w")
    soup=BeautifulSoup(demo,"html.parser")
    num_list=soup.find_all('td','first')
    title_list=soup.find_all('a','list-title')
    for i in range(len(num_list)):
        info_dict={}
        try:
            info_dict.update({
                '排名':num_list[i].find('span').string,
                '标題':title_list[i].string,
            })
            f.write(str(info_dict)+'\n')
        except:
            continue
    f.close()
    print("爬取完畢!")
def main():
    url='http://top.baidu.com/buzz?b=1&fr=20811'
    file_path="D://百度實時熱搜排行.txt"
    demo=getHTML(url)
    parseHTML(demo,file_path)

main()      

結果：

轉載于:https://www.cnblogs.com/BUPT-MrWu/p/11349130.html