对【爬虫篇】《极客Python之效率革命》 找出b站最受欢迎视频的一些改动
对小甲鱼大佬发布的 找出b站最受欢迎的编程课程 的爬虫代码的改进。b站网页源代码有所变化，title的class从class_="video matrix"变成了class_="video-item matrix"。把对编程区的搜索改成了综合搜索。
另改进了生成的txt文本的排版。
import requests
import bs4
import time
def get_input():
keyword = input("请输入关键词：")
pages = int(input("请输入要爬取得页数（1~50）："))
while pages not in range(1, 51):
pages = int(input("请输入正确的页数："))
return keyword, pages
def get_html(url):
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}
res = requests.get(url, headers=headers)
return res.text
def get_datas(text):
soup = bs4.BeautifulSoup(text, "html.parser")
datas = []
videos = soup.find_all("li", class_="video-item matrix")
for video in videos:
# 获取标题
datas.append(video.a['title'])
# 获取URL
datas.append('https:'+video.a['href']) #多出//
# 获取观看数/弹幕数/上传时间/阿婆主
tags = video.select("div > span")
for tag in tags:
datas.append(''.join(tag.text.split()))
return datas
def grouped(iterable, n):
"将列表切成n片一组"
"s -> (s0,s1,s2,...sn-1), (sn,sn+1,sn+2,...s2n-1), (s2n,s2n+1,s2n+2,...s3n-1), ..."
return zip(**n)
def main():
keyword, pages = get_input()
order = ['totalrank', 'click', 'dm', 'stow']
order_name = ['综合排序', '最多点击', '最多弹幕', '最多收藏']
# 迭代每种排序
for i in range(4):
index = 1
# 迭代每一页
for page in range(1, pages+1):
url = "https://search.bilibili.com/all?keyword={}&order={}&duration=4&tids_1=0&page={}".format(keyword, order, page)
text = get_html(url)
datas = get_datas(text)
# 为每种排序创建一个文本文件单独存放
with open(keyword+" "+order_name+'.txt', 'a', encoding="utf-8") as file:
for video_title, video_URL, video_watch, video_dm, video_time, video_up in grouped(datas, 6):
file.write(' '.join())
index += 1
# 做一只善意的爬虫，不要给服务器带来负担
time.sleep(1)
if __name__ == "__main__":
main()不过这段代码在我的电脑上，第一次打开时无法运行的，需要二次打开才能正常工作。很魔性。。。。
andy_william 发表于 2020-4-14 19:34
Traceback (most recent call last):
File "D:\python\搜索B站编程课程.py", line 1, in
import r ...
没有安装requests模块 第34行是什么意思 ，小白求教 andy_william 发表于 2020-4-14 19:34
Traceback (most recent call last):
File "D:\python\搜索B站编程课程.py", line 1, in
import r ...
什么情况 大佬我也是这问题 ============= RESTART: D:/A桌面/Users/XY/Desktop/python练习代码/爬取编程课.py =============
Traceback (most recent call last):
File "D:/A桌面/Users/XY/Desktop/python练习代码/爬取编程课.py", line 1, in <module>
import requests
ModuleNotFoundError: No module named 'requests'
>>>
不知道什么情况谢谢各位大佬 第一次 不行是什么bug? Traceback (most recent call last):
File "D:\python\搜索B站编程课程.py", line 1, in <module>
import requests
ModuleNotFoundError: No module named 'requests'
大佬，这个是什么情况啊
牛批 谢谢大佬{:10_256:}
页:
[1]