爬取糗事百科段子

# 导入requests 和 BeautifulSoupimport requestsfrom bs4 import BeautifulSoupdef download_page(url):    # 定义头部，用来骗过浏览器    headers ={'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36'}    # 这里我是用了代理，是我本地电脑上跑的一个程序，能够随机寻找一个代理IP地址    # 爬取大量数据的时候会用到    # PROXY_POOL_URL = 'http://localhost:5555/random'    # response = requests.get(PROXY_POOL_URL)    # proxies = {"http:": "http://" + response.text}    # html = requests.get(url,headers = headers,proxies = proxies)    # 访问网页并获取HTML文件    html = requests.get(url,headers = headers)    return html.textdef get_content(html,page):    # 从返回的HTML网页中找到须要的做者，段子，年龄等信息    output = """第{}页 做者：{} 性别：{} 年龄：{} 点赞：{} 评论：{}\n{}\n------------\n"""  # 最终输出格式    # 作一锅汤。    soup = BeautifulSoup(html,'lxml')    # 找到每一页每个段子的信息    content = soup.find(id = 'content')    content_list = content.find_all('div',class_ = 'article')    # 循环遍历每个段子的信息    for index in content_list:        # 查询出做者的昵称        author = index.find('h2').string        # 获取段子内容        content = index.find('div', class_= 'content').find('span').get_text()  # 获取内容        # 获取点赞和评论数的标签        stats = index.find('div',class_ = 'stats')        # 获取点赞数        dianzan = stats.find('span',class_ = 'stats-vote').find('i').string        # 获取评论数        pinglun = stats.find('span',class_ = 'stats-comments').find('a').find('i').string        # 获取做者的性别和年龄        author_info = index.find('div',class_ = 'articleGender')        # 这里首先判断做者是否匿名        if author_info is not None:            class_list = author_info['class']            # 根据标签来判断做者的性别            if 'womenIcon' in class_list:                gender = '女'            elif 'manIcon' in class_list:                gender = '男'            else:                gender = ''            age = author_info.string        else:            gender = ''            age = ''        # 调用函数将数据写入文件中        save_text(output.format(page,author,gender,age,dianzan,pinglun,content))# 将数据写入文件中的函数def save_text(*args):    # 遍历出入的每一组数据，而后依次写入    for index in args:        with open(r"D:\python\qiushibaike.txt","a",encoding = "utf-8") as f:            f.write(index)def main():    # 主函数，循环查询能够查询不少页    for index in range(1,2):        # 首先定义url地址        url = "https://qiushibaike.com/text/page/{}".format(index)        # 调用函数下载网页        html = download_page(url)        # 调用函数获取咱们须要的数据        get_content(html,index)if __name__ == "__main__":    main()