Python -- 素数,简书和糗百爬虫

求素数

# -*- coding: utf-8 -*-
# 循环只能到第二个数减1,所以第二个数是101
list = list()
for i in range(2,101):
    for j in range(2,i+1):
        mod = i % j
        #如果循环最后到了,除非是除数等于被除数的时候,不能被整除,那就是素数
        if (j == i):
            list.append(i)
        # 发现有整除的数就退出循环
        if(mod == 0):
            break
print "素数:",list

结果如下:

素数: [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97]

糗百首页爬虫:

# encoding=utf-8
from lxml import etree
import requests

def request():
    url = 'http://www.qiushibaike.com/text/'
    return requests.get(url)

def parse(text):
    item = {"author":"", "sex":"", "age":"","content":"","votes":"","comments":""}
    elements = etree.HTML(text)
    elem_items = elements.xpath("//div[@class='article block untagged mb15']")
    list = []
    for elem_item in elem_items:
        if (len(elem_item.xpath('div[1]/a[2]/h2/text()')) > 0):
            item["author"] = elem_item.xpath('div[1]/a[2]/h2/text()')[0]
            item["age"] = elem_item.xpath('div[1]/div[1]/text()')[0]
            sex = elem_item.xpath('div[1]/div[1]')[0].get("class")
            if sex == "articleGender manIcon":
                item["sex"] = "男"
            elif sex == "articleGender womenIcon":
                item["sex"] = "女"
            else:
                item["sex"] = "未知"
        # 解析匿名用户时,需要改变解析规则。
        else: 
            item["author"] = elem_item.xpath("div[1]/span/h2/text()")[0]
            item["sex"] = "未知"
            item["age"] = "未知"
        item["content"] = elem_item.xpath('a/div/span/text()')[0]
        item["votes"] = elem_item.xpath('div[2]/span[1]/i/text()')[0]
        item["comments"] = elem_item.xpath('*/span[@class = "stats-comments"]/a/i/text()')[0]
        print(item)
        list.append(item)
    return list

if __name__ == '__main__':
    res = request()
    list = parse(res.text)
    print("运行结束,爬取",len(list),"条数据。")

输出结果:


糗百.png

简书首页爬虫:

  1. 相比糗百的爬虫,简书的只需要设置一下请求头header,主要是设置User-Agent,不然无法正常请求数据。
  2. 关于xpath提取阅读数和评论数为空的问题。
    因为阅读数用xpath("div[2]/a[2]/text()")实际提取出来的是这样的list,['\n ', ' 15\n'],数据其实存放在第二个位置,所以需要[1]来提取出来,而不是一成不变的使用[0],然后用strip()去除字符串中的空格和换行符。
  3. 因为文章可能未收录到专题,此时就会解析不到专题的元素,需要判断这种情况。然后改变解析的策略,并将原本在a[2], a[3]号位的阅读数和评论数的顺序提前到a[1], a[2]号位来解析。
# encoding=utf-8
from lxml import etree
import requests

def request():
    url = 'http://www.jianshu.com/'
    headers = {
        "X-Infinitescroll": "true",
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36"
    }
    return requests.get(url = url,headers = headers)

def parse(text):
    item = {"author":"", "title":"", "time":"","reads":"","comments":"","likes":"","reward":"","subject":""}
    elements = etree.HTML(text)
    elem_items = elements.xpath('//li/div')
    list = []
    for elem_item in elem_items:
        item["author"] = elem_item.xpath('div/div/a/text()')[0]
        item["title"] = elem_item.xpath('a/text()')[0]
        item["time"] = elem_item.xpath('div/div/span/@data-shared-at')[0]
        item["likes"] = elem_item.xpath("div[2]/span[1]/text()")[0].strip()
        reward_list = elem_item.xpath("div[2]/span[2]/text()")
        item["reward"] = elem_item.xpath("div[2]/span[2]/text()")[0].strip() if(len(reward_list)>0) else "0"
        subject_list = elem_item.xpath("div[2]/a[1]/text()")[0].strip()
        if (len(subject_list) > 0):
            item["subject"] = elem_item.xpath("div[2]/a[1]/text()")[0].strip()
            item["reads"] = elem_item.xpath("div[2]/a[2]/text()")[1].strip()
            item["comments"] = elem_item.xpath("div[2]/a[3]/text()")[1].strip()
        else:
            item["subject"] = "未收录专题"
            item["reads"] = elem_item.xpath("div[2]/a[1]/text()")[1].strip()
            item["comments"] = elem_item.xpath("div[2]/a[2]/text()")[1].strip()
        print(item)
        list.append(item)
    return list

if __name__ == '__main__':
    res = request()
    list = parse(res.text)
    print("运行结束,爬取",len(list),"条数据。")

输出结果:

简书.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 171,391评论 25 707
  • 阅读成长营第一期结课了,那种从心里长出的不舍,让我很想说点什么。 根据《结构思考力》中所讲---结论先行,这次阅读...
    木紫草阅读 443评论 0 0
  • 最近迷上了网剧《双世宠妃》发糖停不下来,等更新啊啊啊
    呼啦啦飞向何方阅读 127评论 0 0
  • 表妹将在9月底前完婚,届时我们会提前半天回常,因为婚前前一天晚上我们至亲要一起吃饭,然后一起讨论安排第二天的行程,...
    幸福未央_Jojo阅读 379评论 0 0
  • 作者:欣言 像婴儿一样的“和平”状态 第一次听到这种说法时 还有点懵 体会不到 也理解不了 现在有点点体会了 婴儿...
    以爱遇爱阅读 407评论 0 1