B站最受欢迎的编程课
本帖最后由 jump_p 于 2020-6-5 21:08 编辑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(video.a['href'])
# 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=36&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(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()
问题0.video.select("div > span")是啥意思？我在B站上找到的div标签是这样的，为啥是>span
问题2.解释一下datas.append(''.join(tag.text.split())) span里面的代码被压缩了，你点开那个三角形，里面还有HTML代码 qiuyouzhi 发表于 2020-6-5 21:15
span里面的代码被压缩了，你点开那个三角形，里面还有HTML代码
展开后是这样的，但为什么是>span jump_p 发表于 2020-6-5 21:19
你发文件链接干啥 qiuyouzhi 发表于 2020-6-5 21:20
你发文件链接干啥
发错了，看楼上 jump_p 发表于 2020-6-5 21:19
展开后是这样的，但为什么是>span
本来就是啊.....
浏览器方便你查看的，把下面的代码压缩起来了 qiuyouzhi 发表于 2020-6-5 21:24
本来就是啊.....
浏览器方便你查看的，把下面的代码压缩起来了
啊，我只是想问div > span 这个语句为什么这样写，因为 div 的意思不是取div的key为的值吗，这里又不是正则表达式，为什么有个大于号在这 jump_p 发表于 2020-6-5 21:29
啊，我只是想问div > span 这个语句为什么这样写，因为 div 的意思不是取di ...
噢，抱歉，我理解错你意思了...我以为你说的是审查元素里面的
代表取div的子标签span qiuyouzhi 发表于 2020-6-5 21:30
噢，抱歉，我理解错你意思了...我以为你说的是审查元素里面的
代表取div的子标签span
所以这个>并不是大于号的意思，而是类似于箭头含义？就是由div指向它包含的所有span? jump_p 发表于 2020-6-5 21:33
所以这个>并不是大于号的意思，而是类似于箭头含义？就是由div指向它包含的所有span?
可以这么理解，但应该是第一个，而不是所有span。 qiuyouzhi 发表于 2020-6-5 21:34
可以这么理解，但应该是第一个，而不是所有span。
那就说不通了，你看我的截图，里面有很多span，并且 下面用了 for tag in tags ，所以应该指向所有span jump_p 发表于 2020-6-5 21:36
那就说不通了，你看我的截图，里面有很多span，并且 下面用了 for tag in tags ，所以应该指向所有span
噢，看到了，那就是所有span，我没太用过bs4，通常喜欢用XPath jump_p 发表于 2020-6-5 21:36
那就说不通了，你看我的截图，里面有很多span，并且 下面用了 for tag in tags ，所以应该指向所有span
哦哦，你提醒了我，应该是bs4的语法，我也是只会用xpath
页:
[1]