还有4天就世界杯了，作为一个资深（伪）球迷，必须要实时关注世界杯相关新闻，了解各个球队动态，这样才能在一堆球迷中如（大）鱼（吹）得（特）水（吹），迎接大家仰慕的目光!
给大家分享一个快速了解相关信息的办法：刷论坛！我们来一起做个虎扑论坛的爬虫吧！
抓包获取虎扑论坛相关帖子内容，逐条显示！
先来观察下网页，打开论坛首页，选择国际足球
然后往下拉，找到世界杯相关内容
这里就是我们的目标了，所有相关的新闻都会在这里显示，用f12打开“开发者工具”然后往下浏览看看数据包
注意箭头指向的那几个地方！
这就是刚才浏览的新闻所在的json包，来看看具体数据是什么
ok，标题、地址、发布时间包括来源都已经出现了!我们可以直接抓取json数据然后取出相关内容！
再进入具体新闻页面看看
世界杯快到了，看我用python爬虫实现（伪）球迷速成！
所有的文本内容，都在<div class="artical-main-content">这个标签下的<p></p>标签内，我们可以用xpath直接取div下的所有文本内容!
这里就不一 一说明了，直接上代码，并录个小的gif图片给大家看看效果
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
#q群542110741
# -*- coding:utf-8 -*-
import requests
from lxml import etree
header = {
'user-agent':'mozilla/5.0 (windows nt 6.1; wow64; rv:60.0) gecko/20100101 firefox/60.0',
'host':'soccer.hupu.com',
'referer':'https://soccer.hupu.com/'}
i = 0
while 1:
#构建循环页面翻页
url = 'https://soccer.hupu.com/home/latest-news?league=世界杯&page='
i += 1
#获取json数据，一页20个
html = requests.get(url+str(i),headers=header).json()['result']
for info in html:
time_r = info['time']#发布时间
title = info['title']#标题
url_r = info['url']#新闻链接
origin = info['origin']#来源
print(title)
print('发布时间:',time_r,' '*5,'来自：',origin)
head = header
head['host'] = 'voice.hupu.com'#更改header中host参数
html_r = requests.get(url_r,headers=head)#获取新闻详情
html_r.encoding = 'utf-8'#编码格式指定
#获取div下的所有文本
datas = etree.html(html_r.text).xpath('//div[@class="artical-content-read"]')[0].xpath('string(.)').strip()
print('\n'+'内容：'+'\n'*2,datas,'\n')
#可由用户手动退出循环
if input('任意键继续，“q”退出') in ['q', 'q']:
exit()
|
总结
以上所述是小编给大家介绍的python爬虫实现（伪）球迷速成，希望对大家有所帮助，如果大家有任何疑问欢迎给我留言，小编会及时回复大家的！