基于Python对51cto博客页面信息过程解析

大家好，欢迎来到IT知识分享网。

**介绍
**

提到爬虫，互联网的朋友应该都不陌生，现在使用Python爬取网站数据是非常常见的手段，好多朋友都是爬取豆瓣信息为案例，我不想重复，就使用了爬取51cto博客网站信息为案例，这里以我的博客页面为教程，编写的Python代码！

实验环境

1.安装Python 3.7

2.安装requests, bs4模块

实验步骤

**1.安装Python3.7环境
**

2.安装requests,bs4 模块

打开cmd,输入：pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple/

再安装bs4, 输入：pip install bs4 -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装后面加上-i https://pypi.tuna.tsinghua.edu.cn/simple/ 表示从清华镜像下载模块，速度会提高好多！

3.编写代码

    # 爬取51cto博客页面
    import requests
    import bs4
    import re
    
    def open_url(url):
      # 使用代理
      # proxies = {"http": "127.0.0.1:1080", "https": "127.0.0.1:1080"}
      headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
               'Chrome/57.0.2987.98 Safari/537.36'}
    
      # res = requests.get(url, headers=headers, proxies=proxies)
      res = requests.get(url, headers=headers)
    
      return res
    
    def find_titles(res):
      soup = bs4.BeautifulSoup(res.text, 'html.parser')
    
      # 博客名
      titles = []
      targets = soup.find_all("a", class_="tit")
      for each in targets:
        titles.append(each.text.strip())
    
      # 阅读量
      reads = []
      read1 = soup.find_all("p", class_="read fl on")
      read2 = soup.find_all("p", class_="read fl")
      for each in read1:
        reads.append(each.text)
      for each in read2:
        reads.append(each.text)
    
      # 评论数
      comment = []
      targets = soup.find_all("p", class_='comment fl')
      for each in targets:
        comment.append(each.text)
    
      # 收藏
      collects = []
      targets = soup.find_all("p", class_='collect fl')
      for each in targets:
        collects.append(each.text)
    
      # 汇总
      result = []
      length = len(titles)
      for i in range(length):
        result.append(titles[i] + '\n' + reads[i] + ' ' + comment[i] + ' ' + collects[i] + '\n')
    
      return result
    
    # 找出一共有多少个页面
    def find_depth(res):
      soup = bs4.BeautifulSoup(res.text, 'html.parser')
      depth = soup.find('li', class_='next').previous_sibling.previous_sibling.text
    
      return int(depth)
    
    def main():
      host = "https://blog.51cto.com/13760351"
      res = open_url(host)
      depth = find_depth(res)
    
      result = []
      for i in range(1, depth + 1):  #范围是1到6页
        url = host + '/p' + str(i)  #网页链接是后面加上/pi
        res = open_url(url)
        result.extend(find_titles(res))
    
     # 写入文本文件中
      with open("51cto博客.txt", "w", encoding="utf-8") as f:
        for each in result:
          f.write(each)
    
    #主程序入口
    if __name__ == "__main__":
      main()

4.运行代码，查看效果

    阿里云服务器安装postfix--邮箱服务（排坑过程详解） 荐 置顶
    阅读 10000+ 评论 2 收藏 9
    （教科书式教程！）在VMware Workstation 14 上安装CentOS 7 【送安装包】 置顶
    阅读 10000+ 评论 10 收藏 0
    CentOS 7 系统YUM 安装MySQL 5.7
    阅读 136 评论 0 收藏 1
    Docker 安装（官方安装方法）
    阅读 153 评论 0 收藏 0
    运维实用工具推荐
    阅读 159 评论 0 收藏 0
    K8S 部署 Rancher 2.X 版本
    阅读 1068 评论 0 收藏 0
    python 练习题（三）
    阅读 260 评论 0 收藏 0
    DNS--域名解析
    阅读 170 评论 0 收藏 0
    python 练习题（二）
    阅读 353 评论 0 收藏 0
    K8S 使用Dashboard部署nginx群集
    阅读 124 评论 0 收藏 0
    CentOS 7 离线部署K8S群集
    阅读 280 评论 0 收藏 0
    MySQL函数--数学函数
    阅读 136 评论 0 收藏 0
    CentOS 7 安装SVN
    阅读 192 评论 2 收藏 0
    MYSQL 数据库索引
    阅读 178 评论 0 收藏 0
    CentOS 8 深入优化 nginx 服务
    阅读 509 评论 0 收藏 0
    CentOS 7 搭建nginx网页服务
    阅读 207 评论 0 收藏 0
    Linux 文本处理利器--Awk常用命令
    阅读 940 评论 0 收藏 0
    Liunx 文件的查找
    阅读 163 评论 0 收藏 0
    Linux 流编辑--Sed命令及语法
    阅读 178 评论 0 收藏 0
    MYSQL行为
    阅读 110 评论 0 收藏 0
    MYSQL数据库--连接查询
    阅读 269 评论 0 收藏 0
    MYSQL 数据库基本操作
    阅读 271 评论 0 收藏 0
    Ansible 常用模块
    阅读 119 评论 0 收藏 0
    CentOS 8部署自动化运维工具-- Ansible
    阅读 358 评论 0 收藏 0
    CentOS 7 部署百万pv项目（高可用架构）
    阅读 2139 评论 0 收藏 4
    MYSQL查询--子查询，合并查询
    阅读 242 评论 0 收藏 0
    MySQL伪事务和性能
    阅读 178 评论 0 收藏 0
    MYSQL数据库--定义表和字段的别名
    阅读 256 评论 0 收藏 0
    MYSQL查询--聚合函数查询
    阅读 132 评论 0 收藏 0
    MYSQL 查询命令--单表查询
    阅读 205 评论 0 收藏 0
    ELK 平台收集Tomcat日志记录
    阅读 316 评论 0 收藏 0
    CentOS 8 部署ELK日志分析平台
    阅读 730 评论 0 收藏 0
    Docker 数据管理和网络通信
    阅读 246 评论 0 收藏 0
    Docker 镜像创建方法
    阅读 143 评论 0 收藏 0
    Docker 容器操作
    阅读 195 评论 0 收藏 0
    Docker 镜像操作
    阅读 143 评论 0 收藏 0
    CentOS 8 系统图形化安装教程（超详细）
    阅读 4570 评论 0 收藏 0
    Docker 部署 nginx + tomcat
    阅读 501 评论 0 收藏 0
    Docker 部署war包项目
    阅读 2173 评论 0 收藏 1
    华为云服务器安装 Docker 容器
    阅读 901 评论 0 收藏 0
    CentOS 8 安装docker 容器
    阅读 4848 评论 0 收藏 0
    解决 confluence 和 jira 数据包问题
    阅读 225 评论 0 收藏 0
    CentOS 7.6 搭建Gitlab教程
    阅读 234 评论 0 收藏 0
    confluence 配置邮件服务器
    阅读 516 评论 0 收藏 0
    Shell脚本实现 tomcat 日志定时切割
    阅读 263 评论 0 收藏 0
    阿里云服务器Centos7 配置465端口号发送邮件
    阅读 774 评论 0 收藏 0
    MQTT 限制匿名用户访问，开启用户密码认证
    阅读 640 评论 0 收藏 0
    CentOS 7.6 部署Redis 数据库
    阅读 150 评论 0 收藏 0
    CentOS 7.6 激活成功教程安装 Confluence 和 Jira（送安装包和激活成功教程工具）
    阅读 5800 评论 0 收藏 0
    Centos 7 安装MQTT(EMQ)服务端
    阅读 943 评论 0 收藏 0
    CentOS 7 实现yum安装最新php版本
    阅读 2527 评论 0 收藏 0
    Python3 对文件操作
    阅读 886 评论 0 收藏 0
    Python3 操作Mysql数据库
    阅读 820 评论 0 收藏 1
    Selenium 定位元素的8种方法介绍
    阅读 1536 评论 0 收藏 0
    Python Selenium 自动配置zabbix邮箱报警功能
    阅读 568 评论 0 收藏 0
    Zabbix 配置QQ邮箱报警通知
    阅读 2043 评论 0 收藏 0
    CentOS 7 系统搭建私服仓库Nexus
    阅读 664 评论 0 收藏 1
    解决CentOS 7 最小化安装后无ifconfig命令
    阅读 687 评论 0 收藏 0
    CentOS 7 安装禅道并绑定公司内网邮箱
    阅读 1161 评论 0 收藏 0
    Shell 脚本自动安装公司内部邮箱服务器--Postfix
    阅读 7066 评论 0 收藏 4
    解决虚拟机在桥接模式下设置静态ip,无法上外网的各种问题
    阅读 10000+ 评论 6 收藏 0
    Shell 脚本自动安装cobbler（改进+填坑）
    阅读 10000+ 评论 3 收藏 0
    Shell 脚本自动安装 Cobbler (知识点+踩坑点)
    阅读 5292 评论 0 收藏 6
    CentOS 7.4 系统升级至7.6
    阅读 4738 评论 4 收藏 0
    超实用技能--快速查看windows WiFi密码
    阅读 4518 评论 0 收藏 0
    Jenkins自动化部署安卓项目
    阅读 7574 评论 0 收藏 1
    记一次阿里云服务器安装Python的血泪史
    阅读 1671 评论 6 收藏 1
    Jenkins自动化部署nodejs项目（前端项目）
    阅读 1445 评论 0 收藏 2
    Jenkins自动部署发布Java代码（完整教程）
    阅读 9192 评论 0 收藏 1
    Jenkins自动化打包--war包
    阅读 9444 评论 2 收藏 3
    shell 搭配 python 自动安装zabbix监控端详解
    阅读 1112 评论 0 收藏 1
    在CentOS 7系统下升级 Jenkins版本(含排坑过程)
    阅读 7223 评论 4 收藏 0
    Window 10 安装python 3.7 + selenium (附最新安装包)
    阅读 2984 评论 0 收藏 0
    CentOS 7 轻松安装Jenkins
    阅读 3259 评论 0 收藏 1
    脚本安装Discuz论坛（shell + Python 实现自动化安装）
    阅读 1783 评论 0 收藏 0
    Shell脚本自动源码包安装LA/NMP架构详解（赠软件包+脚本）
    阅读 3068 评论 0 收藏 0
    shell脚本一键安装Tomcat服务
    阅读 2192 评论 0 赞赏 1
    【值得收藏！】Vi 文本编辑器细讲
    阅读 789 评论 4 收藏 1
    企业应用---部署LAMP平台 + Discuz论坛【赠安装包】
    阅读 2032 评论 0 收藏 2
    【高效装机】PXE实现无人值守安装CentOS 6
    阅读 4144 评论 0 收藏 1
    在CentOS 7 上安装Oracle 12c 【赠安装包】
    阅读 4776 评论 0 收藏 1
    轻松部署MFS分布式文件系统 【内附源码包】
    阅读 3049 评论 0 收藏 1
    Memcached + LAMP 架构安装详解【送源码包】
    阅读 3523 评论 4 收藏 0
    部署MySQL-MMM 高可用群集
    阅读 1123 评论 0 收藏 0
    搭建 MySQL 读写分离（内附源码包）
    阅读 573 评论 2 收藏 1
    Mysql数据库主从复制
    阅读 716 评论 0 收藏 0
    mysql数据库基本命令---多条数据的同时操作
    阅读 999 评论 0 收藏 0
    使用Haproxy 搭建web群集
    阅读 496 评论 2 收藏 0
    MySQL数据库源码包安装(5.7最新版本)
    阅读 568 评论 0 收藏 0
    解决PXE装机报警----重复安装系统，无法进入用户登录界面
    阅读 1521 评论 0 收藏 0
    解决PXE装系统报警问题----写入空间不足
    阅读 705 评论 0 收藏 0
    Nginx 服务语法正确，服务启动失败解决方法
    阅读 767 评论 0 收藏 0
    CentOS 7 实现Nginx+Tomcat 负载均衡
    阅读 685 评论 0 收藏 0
    Nginx 构建虚拟主机
    阅读 618 评论 0 收藏 0
    Nginx 服务安全优化---隐藏版本号、网页缓存、日志分割
    阅读 599 评论 0 收藏 0
    轻松部署Tomcat服务器
    阅读 346 评论 0 收藏 0
    Apache网页安全优化----设置防盗链和隐藏版本信息
    阅读 748 评论 0 收藏 0
    手工编译安装Apache网站（赠送源码包）
    阅读 638 评论 0 收藏 1
    Apache构建虚拟web主机
    阅读 747 评论 0 收藏 0
    CentOS 6 yum 安装Apache网站
    阅读 2072 评论 0 收藏 0
    搭建AWStats日志分析系统（内附awstats软件包）
    阅读 10000+ 评论 0 收藏 0
    图文详解cobbler 自动装机教程 (内附epel源)
    阅读 10000+ 评论 8 收藏 2
    DNS分离解析教学 超简单！
    阅读 679 评论 0 收藏 0
    FTP服务最安全认证模式---虚拟账户访问
    阅读 4440 评论 0 收藏 0
    FTP服务器--实现本地用户访问，拒绝匿名用户
    阅读 749 评论 0 收藏 0
    快速搭建FTP服务器--实现匿名用户上传和下载
    阅读 1296 评论 2 收藏 0
    Linux 6.5 服务器上搭建本地yum仓库
    阅读 2206 评论 0 收藏 0
    【超好用】弱口令扫描工具John the Ripper 图文教程（附软件包）
    阅读 2669 评论 4 收藏 1
    详述在Linux上挂载window共享文件夹
    阅读 634 评论 12 收藏 0
    Redhat Linux 6.5 图文详细安装教程【附安装包】
    阅读 7550 评论 8 收藏 2

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。