python自制的糗百爬虫

 

#coding=utf-8

import urllib2
import urllib
import re
import time
from bs4 import BeautifulSoup

def fun ():
    headerl = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'
        }
    zuozhe = []
    neirong = []
    print u'开始:',
    a = input()
    print u'结束:',
    b = input()
    while True:
        print u'第%s页\n' % str(a)
        url = 'https://www.qiushibaike.com/8hr/page/'+str(a)+'/'
        res = urllib2.Request(url,headers=headerl)
        response = urllib2.urlopen(res).read()
        soup = BeautifulSoup(response,'html.parser')
        neirong = soup.select('div.content span')
        zuozhe = soup.select('div.author a h2')
        for i in range(len(zuozhe)):
            print '%s:\n%s\n' % (zuozhe[i].text,neirong[i].text)
        print u'回车继续'
        raw_input()
        a+=1
        if a>b:
            break
    print u'谢谢使用'
    raw_input()

def fun1():
    str = u"""
    脚本名称：糗事百科爬虫
    版本：0.3
    创造人：小白大人
    创造时间：2017.7.19
    持续更新。。。敬请期待


    按回车开始获取信息
    """
    print str
    raw_input()
    fun()


if __name__ == '__main__':
    fun1()

 

 

 

 

 

 

自己做的一个糗百热门文章的爬虫，可以实现选择页数进行爬取，可能优化的还不是很完善，程序会持续更新，希望可以帮助到大家

 

如果有朋友找到BUG了，记得私信我2333

以此记录自己学习python之路