python获取百度热榜链接的实例方法_Python

python获取百度热榜链接的实例方法

2020-08-25 09:12FXL Python

在本篇文章里小编给大家整理了关于python获取百度热榜链接的实例方法，需要的朋友们可以学习参考下。

目标网址：

				?

									https://www.baidu.com/

要获取的内容：

python获取百度热榜链接的实例方法

链接分析：

从下图可以看出只需要获取关键字，再构建就可以了。

python获取百度热榜链接的实例方法

完整代码：

				?

									import requests

									import pprint

									import re

									import urllib.parse

									url = 'https://www.baidu.com/'

									headers = {

									    'Host': 'www.baidu.com',

									    'Referer': 'https://www.baidu.com/',

									    'User-Agent': 你的User-Agent,

									    'Cookie': 你的Cookie

									}

									response = requests.get(url, headers=headers).content.decode('utf-8')

									# 获取关键字

									pat = '"pure_title": "(.*?)"'

									keyword = re.findall(pat, response, re.S)

									print(len(keyword))

									for hot_word in keyword:

									    # 汉字不符合url标准，所以这里需要进行url编码

									    i = urllib.parse.quote(hot_word, encoding='utf-8', errors='replace')

									    # url构建

									    link = f'https://www.baidu.com/s?cl=3&tn=baidutop10&fr=top1000&wd={i}&rsv_idx=2&rsv_dl=fyb_n_homepage&hisfilter=1'

									    print(link)

你会发现结果很长：

python获取百度热榜链接的实例方法

但其实关键字后面的几个参数是可以去掉的，这样url就没有那么长了。

python获取百度热榜链接的实例方法

内容扩展：

python 爬取简单的百度搜索结果

爬取百度搜索结果

主要还要借助xpath helper谷歌浏览器的插件来操作更容易找到需要查找信息的xpath位置

还要首先了解一下百度搜索请求的参数 lm默认为0，天数限制，但是好像只有1有用。

默认每页10条信息，rn

pn是页码

				?

									from lxml import etree

									import re

									import requests

									import string

									import json

									headers = {

									  "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36"

									}

									response = requests.get('https://www.baidu.com/s?wd=腾讯视频优惠&lm=1',headers=headers)

									r = response.text

									html = etree.HTML(r,etree.HTMLParser())

									r1 = html.xpath('//h3')

									r2 = html.xpath('//*[@class="c-abstract"]')

									r3 = html.xpath('//a[@class="c-showurl"]')

									for i in range(10) :

									  r11 = r1[i].xpath('string(.)')

									  r22 = r2[i].xpath('string(.)')

									  r33 = r3[i].xpath('string(.)')

									  # with open('test.txt', 'a', encoding='utf-8') as f:

									  #   f.write(json.dumps(r11,ensure_ascii=False) + '\n')

									  #   f.write(json.dumps(r22, ensure_ascii=False) + '\n')

									  #   f.write(json.dumps(r33, ensure_ascii=False) + '\n')

									  print(r11,end='\n')

									  print(r22,end='\n')

									  print(r33)

									  print()