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
网友评论