1.獲取糗事百科url

http://www.qiushibaike.com/hot/page/2/ 末尾2指第2頁

2.分析頁面，找到段子部分的位置， 需要一點CSS和HTML的知識

3、編寫代碼

 1 import urllib.request
 2 from bs4 import BeautifulSoup
 3 from urllib.request import URLError
 4 from urllib.request import HTTPError
 5 import time
 6 # 調用 publicHeaders 文件的方法
 7 from 爬蟲.publicHeaders import
 
 set_user_agent
 8 
 9 
10 # 抓取網頁
11 def download(pagenum):
12     url = r‘https://www.qiushibaike.com/hot/page/‘
13 
14     # 分頁下載
15     for i in range(1,pagenum):
16         #組裝url
17         new_url = url + str(pagenum)
18         print(new_url)
19         # 有的時候訪問某個網頁會一直得不到響應，程序就會卡到那裏，我讓他1秒後自動超時而拋出異常
 

20         header = set_user_agent()
21         while 1:
22             try:
23                 req = urllib.request.Request(url=new_url,headers=header)
24                 reponse = urllib.request.urlopen(req,timeout=1)
25                 break
26             # HTTPError是URLError的子類，在產生URLError時也會觸發產生HTTPError。因此應該先處理HTTPError
 

27             except HTTPError as e:
28                 print(e.code)
29                 # 對於抓取到的異常，讓程序停止1.1秒，再循環重新訪問這個鏈接，訪問成功時退出循環
30                 time.sleep(1.1)
31             except URLError as err:
32                 print(err.reason)
33         # 正常訪問，則抓取網頁內容
34         html = reponse.read().decode(‘utf-8‘)
35         # 找到所有的class名稱為content 的div
36         soup = BeautifulSoup(html,"html.parser")
37         contents = soup.findAll("div",{"class":"content"})
38         # # 循環遍歷保存每一項,並保存
39         with open("E:\JustForFun.txt", "w") as f:
40             for item in contents:
41                 # 有些內容不是utf-8格式
42                 try:
43                     each_story = item.get_text()
44                 #print(type(each_story))
45                     f.writelines(each_story)
46                 except:
47                     pass

4、執行以下，結果如下：

Python 爬蟲系列：糗事百科最熱段子