python 爬取百度热搜

时间:2020-01-07
本文章向大家介绍python 爬取百度热搜,主要包括python 爬取百度热搜使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

参考地址

https://blog.csdn.net/ezreal_tao/article/details/91154768 etree如何选取

思路讲解

  • 1.请求热搜地址,获取到返回值。(http://top.baidu.com/buzz?b=1&fr=20811)
  • 2.采用的etree去选取对应的xpath,组合成文档(这边可将获取的html写入本地文件,看看是不是可以直接获取值得)
  • 3.封装成钉钉机器人消息发送

注意点:本案例百度的url链接会被钉钉无法识别,主要可能是 % 这个符号的问题,所以调用了百度正常搜索的链接地址



###导入模块
import requests
from lxml import etree
import requests,json

###网址
url="http://top.baidu.com/buzz?b=1&fr=20811"
###模拟浏览器
header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'}
r = requests.get(url,headers=header)
with open('D:/1.html','wb') as f:
    f.write(r.content)

###主函数
def main():
    ###获取html页面
    html=etree.HTML(requests.get(url,headers=header).content)
    # 获取内容
    title=html.xpath('//a[@class="list-title"]/text()')
    # title_text=html.xpath('//a[@class="info-title"]/text()')
    # num=html.xpath('//span[@class="num-top"]/text()')
    # 获取url连接
    href=html.xpath('//a[@class="list-title"]//@href')
    top=title[0]
    affair=title[1:]
    data="";
    data+="### top:["+top+"](https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd="+top+"&rsv_pq=cc0b2ae500104a8f&rsv_t=8594gkWHOJpP8vhGnFVfsZhcRYTJV9ElJQ5Nk3qShVzXGX2bDtb6O2Q4F%2BY&rqlang=cn&rsv_enter=1&rsv_dl=tb&rsv_sug3=5&rsv_sug1=4&rsv_sug7=101&rsv_sug2=0&inputT=860&rsv_sug4=1019&rsv_sug=1"+") \n"
    #print('{0:<10}\t{1:<40}'.format("top",top))
    for i in range(0, len(affair)):
        #print("{0:<10}\t{1:{3}<30}\t{2:{3}>20}".format(rank[i],affair[i],view[i],chr(12288)))
        #print(href[i])
        # data+=(">- "+str(i+1)+" ["+affair[i]+"]("+href[i+1]+") \n")
        data+=(">-  ["+affair[i]+"](https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd="+affair[i ]+"&rsv_pq=cc0b2ae500104a8f&rsv_t=8594gkWHOJpP8vhGnFVfsZhcRYTJV9ElJQ5Nk3qShVzXGX2bDtb6O2Q4F%2BY&rqlang=cn&rsv_enter=1&rsv_dl=tb&rsv_sug3=5&rsv_sug1=4&rsv_sug7=101&rsv_sug2=0&inputT=860&rsv_sug4=1019&rsv_sug=1"+") \n")
    sendinfo_ding(data)


def sendinfo_ding(data):
    url = 'url'  #你的机器人webhook地址
    program = {
        "msgtype": "markdown",
        "markdown": {
            "title":"百度热搜",
            "text": ""+data+""
            },
    }
    headers = {'Content-Type': 'application/json'}
    f = requests.post(url, data=json.dumps(program), headers=headers)
    print(f)

main()





原文地址:https://www.cnblogs.com/Alex-Mercer/p/12161329.html