鱼C论坛

 找回密码
 立即注册
查看: 874|回复: 13

[已解决]B站最受欢迎的编程课

[复制链接]
发表于 2020-6-5 21:07:04 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
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[class='tags'] > 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(*[iter(iterable)]*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[i], 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[i]+'.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([str(index), video_title, video_URL, video_watch, video_dm, video_time, video_up, '\n']))
                    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[class='tags'] > span")是啥意思?我在B站上找到的div标签是这样的,为啥是>span
1591361983(1).jpg


问题2.解释一下  datas.append(''.join(tag.text.split()))
最佳答案
2020-6-5 21:30:13
jump_p 发表于 2020-6-5 21:29
啊,我只是想问div[class='tags'] > span 这个语句为什么这样写,因为 div[class='tags'] 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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-6-5 21:15:43 | 显示全部楼层
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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-6-5 21:19:55 | 显示全部楼层
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


1591363116(1).jpg

展开后是这样的,但为什么是>span
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-6-5 21:20:48 | 显示全部楼层

你发文件链接干啥
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-6-5 21:21:26 | 显示全部楼层
qiuyouzhi 发表于 2020-6-5 21:20
你发文件链接干啥

发错了,看楼上
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-6-5 21:24:19 | 显示全部楼层
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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-6-5 21:29:03 | 显示全部楼层
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[class='tags'] > span 这个语句为什么这样写,因为 div[class='tags'] 的意思不是取div的key为[class='tags']的值吗,这里又不是正则表达式,为什么有个大于号在这
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-6-5 21:30:13 | 显示全部楼层    本楼为最佳答案   
jump_p 发表于 2020-6-5 21:29
啊,我只是想问div[class='tags'] > span 这个语句为什么这样写,因为 div[class='tags'] 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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-6-5 21:33:18 | 显示全部楼层
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?
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-6-5 21:34:43 | 显示全部楼层
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。
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-6-5 21:36:40 | 显示全部楼层
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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-6-5 21:37:33 | 显示全部楼层
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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-6-5 21:40:37 | 显示全部楼层
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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-20 22:35

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表