爬贴吧编码问题

wp231957

放代码，网站未必都是utf8

wp231957

百度贴吧 还真是UTF-8   你想爬哪部分内容  需具体分析一下

wp231957

单走一个2516 发表于 2020-12-24 10:38
随便进一个吧，爬取前100个贴子的标题，能返回对应标题的帖子的链接地址最好

你给我一个链接吧，百度贴吧不熟

wp231957

单走一个2516 发表于 2020-12-24 12:06
https://tieba.baidu.com/f?ie=utf-8&kw=python

没有遇到编码问题呢

1. import requests
   
2. from lxml import etree
   
3. 
   
4. url="https://tieba.baidu.com/f?ie=utf-8&kw=python"
   
5. urla="https://tieba.baidu.com"
   
6. res=requests.get(url)
   
7. tree = etree.HTML(res.text)
   
8. data = tree.xpath("//ul[@id='thread_list']/li")
   
9. result=[]
   
10. for x in range(2,len(data)+1):
    
11.      title= tree.xpath("//ul[@id='thread_list']/li[%d]/div/div[2]/div[1]/div[1]/a/text()"%x)
    
12.      href= tree.xpath("//ul[@id='thread_list']/li[%d]/div/div[2]/div[1]/div[1]/a/@href"%x)
    
13.      result.append({title[0]:urla+href[0]})
    
14. for x in result:
    
15.     print(x)     

复制代码

D:\wp>py app4.py
{'天无绝人之路，终于通过艰苦的自学python拿到了第一份offer': 'https://tieba.baidu.com/p/7160913009'}
{'新人来求救，想秃我了': 'https://tieba.baidu.com/p/7165183847'}
{'以就业为目的自学Python    如何系统学习不走弯路！': 'https://tieba.baidu.com/p/7051818149'}
{'谁能做58房东数据的其他平台也可，有偿': 'https://tieba.baidu.com/p/6645144721'}
{'半路出家自学Python，几个月的努力，终于拿到了一份offer': 'https://tieba.baidu.com/p/7052045317'}
{'点开第一个程序闪退': 'https://tieba.baidu.com/p/7163190746'}
{'Pygame.': 'https://tieba.baidu.com/p/7165745438'}
{'求助大佬。': 'https://tieba.baidu.com/p/7165745384'}
{'公司最近给了我一个难题，要我爬取app上面的数据，这个咋整': 'https://tieba.baidu.com/p/7165564145'}
{'有偿  python作业   求大神': 'https://tieba.baidu.com/p/7109235114'}
{'请大佬fu dao作业': 'https://tieba.baidu.com/p/7165398607'}
{'随缘解答问题~♥': 'https://tieba.baidu.com/p/7111231436'}
{'【为你解决编程遇到的难题】': 'https://tieba.baidu.com/p/7165359201'}
{'兄弟们求助 关于xlwt模块xlrd有个. sheet _b': 'https://tieba.baidu.com/p/7165578782'}
{'两千人python自学交流峮     人多势众  大佬很多': 'https://tieba.baidu.com/p/7063431560'}
{'怎么配置python环境啊 安装的时候自动配置不成功手动配置': 'https://tieba.baidu.com/p/7165599533'}
{'接帮做python与解决问题': 'https://tieba.baidu.com/p/7147649069'}
{'【打卡自学】跟着B站的小甲鱼视频学的': 'https://tieba.baidu.com/p/7165668557'}
{'Python爬虫': 'https://tieba.baidu.com/p/7160666274'}
{'求助': 'https://tieba.baidu.com/p/7165652134'}
{'萌新求问，初学者下个哪个版本的python比较好，求推荐谢谢': 'https://tieba.baidu.com/p/7165532082'}
{'有没有需要《python程序设计基础》这本书课后答案的？': 'https://tieba.baidu.com/p/6920886303'}
{'有木有大佬帮忙指导python课设的呀，价格可议，主要是爬虫': 'https://tieba.baidu.com/p/7155538373'}
{'一个很简单但是想不明白的程序': 'https://tieba.baidu.com/p/7163838237'}
{'求python大作业，急急急！': 'https://tieba.baidu.com/p/7147526471'}
{'有Python的问题的可以找我哈': 'https://tieba.baidu.com/p/7162429297'}
{'入门django的话，有什么网站推荐的吗': 'https://tieba.baidu.com/p/7165117595'}
{'有没有爬虫需求的啊！': 'https://tieba.baidu.com/p/7162281022'}
{'新手需要交python大作业，300行代码，50个知识点，欢': 'https://tieba.baidu.com/p/6762664919'}
{'刚学死在第一步': 'https://tieba.baidu.com/p/7162317780'}
{'跪求一位大神。': 'https://tieba.baidu.com/p/7155201436'}
{'取得n个数，从小到大排列怎么弄啊求大神': 'https://tieba.baidu.com/p/7163685662'}
{'打算转行IT，新手该如何入门': 'https://tieba.baidu.com/p/7144294733'}
{'请大神们看看这个错误要怎么改': 'https://tieba.baidu.com/p/7164158538'}
{'小白帮我看看': 'https://tieba.baidu.com/p/7164317899'}
{'使用pycharm连接mysql数据库，出现这个错误怎么解决': 'https://tieba.baidu.com/p/7164287755'}
{'想问一下3_5题为啥是错的求解答': 'https://tieba.baidu.com/p/7163961987'}
{'找朋友一起开始从小白学习Python': 'https://tieba.baidu.com/p/7164751095'}
{'python大作业': 'https://tieba.baidu.com/p/5729619055'}
{'爬贴吧时，html已经用utf8编码了，为什么打印的html': 'https://tieba.baidu.com/p/7165111245'}
{'求解!求救啊': 'https://tieba.baidu.com/p/7164939902'}
{'大神看看第四题！！！': 'https://tieba.baidu.com/p/7165024303'}
{'求进Python群': 'https://tieba.baidu.com/p/7165103678'}
{'python网络学习哪个平台好': 'https://tieba.baidu.com/p/7165315926'}
{'刚学Python没多久，新手太难了，求大佬帮助': 'https://tieba.baidu.com/p/7165420237'}
{'python selenium 调用chrome时，一直停留在data界面不能跳转': 'https://tieba.baidu.com/p/6588242377'}
{'求助': 'https://tieba.baidu.com/p/7165208635'}
{'在线摸鱼党帮做作业了': 'https://tieba.baidu.com/p/7097565305'}
{'来个靠谱的大哥帮忙做几个作业，价钱好说': 'https://tieba.baidu.com/p/7150059059'}

wp231957

单走一个2516 发表于 2020-12-26 10:09
感谢大佬，这两天研究了以下，自己也搞出来了，不过有个小问题，requests.get()的时候，加一个headers就 ...

放代码