鱼C论坛

 找回密码
 立即注册
查看: 2191|回复: 12

翻页爬取微博标题

[复制链接]
发表于 2020-9-9 10:06:01 | 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
import requests
import bs4
import re

def open_url(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 = url,headers=headers)
    return res

def find_title(res):
    soup = bs4.BeautifulSoup(res.text,"html.parser")

    title = []
    targets = soup.find_all("div",class_= "WB_text W_f14")
    for each in targets:
        title.append(each.a.text)


    result = []
    length = len(title)
    for i in range(length):
        result.append(title[i]+ '\n')

    return result

def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('a', class_='page next S_txt1 S_line1').previous_sibling.previous_sibling.text
    return int(depth)

def main():
    host = "https://weibo.com/rmrb?is_all=1&stat_date=202001&page=1#feedtop"
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
        url = "https://weibo.com/rmrb?is_all=1&stat_date=202001&page="+ str(i+1)+"#feedtop"
        res = open_url(url)
        result.extend(find_title(res))

    with open("新闻标题.txt", "w", encoding="utf-8") as f:
        for each in result:
            f.write(each)
    
if __name__ == "__main__":
    main()

想翻页爬取微博标题,但是运行提示我报错,要怎么修改呢,soup没怎么学会

                               
登录/注册后可看大图

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 2020-9-9 10:15:19 | 显示全部楼层
https://m.weibo.cn/api/container/getIndex?type=uid&value=2803301701&containerid=1076032803301701
获取这里的JSON数据,更方便
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 2020-9-9 10:19:15 | 显示全部楼层
微博需要先登录,你从浏览器复制你的cookie加到headers里再说吧。
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 2020-9-9 10:19:48 | 显示全部楼层
soup 没有找到对象,所以报错,
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 2020-9-9 10:27:21 | 显示全部楼层
还要学很久才能学到这
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

 楼主| 发表于 2020-9-9 10:31:47 | 显示全部楼层
1q23w31 发表于 2020-9-9 10:19
soup 没有找到对象,所以报错,

所以我才想问怎么用soup来找到对象
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 2020-9-9 10:45:08 | 显示全部楼层
本帖最后由 1q23w31 于 2020-9-9 11:29 编辑
小小鹏 发表于 2020-9-9 10:31
所以我才想问怎么用soup来找到对象


找到了,问题如下:微博获取翻页的元素,涉及到ajax动态加载,只有加载到这一页结束后,才会出现相应元素,

第二点:微博的翻页不是靠点击页面的数字标签来实现的,而是一个文字标签“下一页”,无法获取到 下一页的页码

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

发表于 2020-9-9 11:44:08 | 显示全部楼层
小小鹏 发表于 2020-9-9 10:31
所以我才想问怎么用soup来找到对象

说了得先登录
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 2020-9-9 14:32:36 | 显示全部楼层

已经把headers写好了
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 2020-9-9 14:33:14 | 显示全部楼层
疾风怪盗 发表于 2020-9-9 10:15
https://m.weibo.cn/api/container/getIndex?type=uid&value=2803301701&containerid=1076032803301701
获 ...

好的,我试试,谢谢
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 2020-9-9 14:33:25 | 显示全部楼层
小小鹏 发表于 2020-9-9 14:32
已经把headers写好了


没看到,你的headers里还是没有cookie,也没有单独挂cookie。
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 2020-9-9 16:59:00 | 显示全部楼层
https://fishc.com.cn/thread-179792-1-1.html
看看这个,这样去爬
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 2020-9-9 17:31:58 | 显示全部楼层
1q23w31 发表于 2020-9-9 10:45
找到了,问题如下:微博获取翻页的元素,涉及到ajax动态加载,只有加载到这一页结束后,才会出现相应元 ...

好的我试着解决谢谢
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, 2025-1-18 18:54

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表