爬虫实例学习——爬取酷狗TOP500数据
发布于2019-08-06 09:44 阅读(763) 评论(0) 点赞(0) 收藏(4)
酷狗网址：https://www.kugou.com/yy/rank/home/1-8888.html?from=rank
环境：eclipse+pydev
1 import requests 2 from bs4 import BeautifulSoup 3 import time 4 5 headers ={ 6 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36 QIHU 360EE' 7 } #加入请求头，伪装成浏览器，以便更好抓取数据 8 9 def get_info(url): #定义获取信息的函数 10 wb_data = requests.get(url,headers = headers) 11 soup = BeautifulSoup(wb_data.text,'lxml') 12 ranks = soup.select('span.pc_temp_num') #selet()方法见下面图示 13 titles = soup.select('#rankWrap > div.pc_temp_songlist > ul > li > a') 14 times = soup.select('span.pc_temp_tips_r > span') 15 for rank,title,time in zip(ranks,titles,times): 16 data = { 17 'rank':rank.get_text().strip(), #歌曲序号 18 'singer':title.get_text().split('-')[0], #歌手名称 19 'song':title.get_text().split('-')[1], #歌曲名称 20 'time':time.get_text().strip() #歌曲时长 21 } 22 print (data) 23 24 if __name__ == '__main__': #程序主入口 25 urls = ['https://www.kugou.com/yy/rank/home/{}-8888.html?from=rank'.format(str(i)) for i in range(1,24)] #构建多页url，500条结果需23组，每页网页22条 26 for url in urls: 27 get_info(url) 28 time.sleep(1) #暂停程序，避免因提交网页请求频率过快而导致程序异常终止
请求头获取方式：打开chrome浏览器，输入chrome://version，添加时加上‘User-Agent’:即可（获得信息应置于' '中）。
select()使用方法:该方法类似于中国>广东省>惠州市，从大到小，提取信息，可通过chrome复制得到，如图示：
注意：将li:nth-of-child(1)改为li
运行结果：
所属网站分类: 技术文章 > 博客
作者：老板跑路了
链接：https://www.pythonheidong.com/blog/article/7133/767985258bc01128113a/
来源：python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容：(最多支持255个字符)
---无人问津也好，技不如人也罢，你都要试着安静下来，去做自己该做的事，而不是让内心的烦躁、焦虑，坏掉你本来就不多的热情和定力