李亚涛:python抓取百度贴吧回帖时间,回帖人,回帖内容信息

      李亚涛:python抓取百度贴吧回帖时间,回帖人,回帖内容信息已关闭评论

大家好,今天给大家分享一下如何利用python抓取百度贴吧相关信息

为了演示,我就随便在iphone贴吧找了一个内容相对丰富的帖子。

大家好,今天给大家分享一下如何利用python抓取百度贴吧相关信息

为了演示,我就随便在iphone贴吧找了一个内容相对丰富的帖子。

 

我们只是演示,所以我选择抓取

回帖时间

回帖内容

回帖时

这3个信息,其实比较聪明的人应该知道,这个可以做信息聚合,标题+这些回复内容不就是一篇原创信息。

先分析一下思路:

1、获取单个页面的源代码

2、大概看一下页数,当然我们也可以用正则获取

这里举例,我看了一下有733页的信息,演示我就抓取前100页吧。

3、信息量比较大,这里我们可能会利用到多线程的抓取

4、获取每一页所要获取的内容,这里用传统正则可能稍微复杂一点,我们用神器xpath

5、最后把获取到的内容整理一下写入到文本文件contents.txt里

代码这里不方便发,不然文章可能会被删除,有兴趣的到我公众号可以去看

运行效果如下:

 
 

可以看到,抓取到了将近1万行的数据,运行时间才几秒中,非常快了。

有兴趣的可以自己试试

李亚涛简介:11年网站运营管理经验,seo实战教练,python爬虫高手,建站专家

著有《15天成为python爬虫高手视频教程》、《python爬虫加强班视频教程》、《手机网站SEO优化教程》电子书、《seo优化系统视频教程》等