最近自己的测试小圈子里都在讨论爬虫，发现我装逼都困难了许多，所以决定快速补充一下这方面的东西。
到网上找了点视频，实在是看不进去（主要是对装逼没有什么帮助），然后又由于略微懒得原因就写了这个小东西。
没有封装，流水账式写法，比较简陋，各位客官（dalao）见谅。
1 # coding: utf-8 2 import requests 3 from bs4 import BeautifulSoup 4 # 定义变量，这里可以用一个 5 d = 1 6 p = 0 7 k = 0 8 Reptilian_url = [] 9 Reptilian_title = [] 10 # 打开session 11 s = requests.session() 12 # 伪装头部 13 h = { 14 'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 UBrowser/6.2.4094.1 Safari/537.36', 15 'accept-encoding':'gzip, deflate, br' 16 } 17 # 从第1页到最大页数的url，总共有200页，这个数值也可以从页面读取 18 while d in range(200): 19 url = 'https://www.cnblogs.com/cate/python/%d'% d 20 r = s.get(url, headers=h) 21 t = r.text 22 soup = BeautifulSoup(t, 'lxml') 23 list = soup.select('div.post_item_body h3') 24 list2 = soup.find_all(attrs={'class':"titlelnk"}) 25 while p < d: 26 # 把标题写入空列表 27 for z1 in list: 28 Reptilian_title.append(z1.string) 29 # 把url写入空列表 30 for u1 in list2: 31 Reptilian_url.append(u1['href']) 32 p += 1 33 d += 1 34 # 打印爬取的总数据量 35 print(len(Reptilian_title)) 36 # 加入筛选条件，包含爬虫字段的帖子 37 while k < len(Reptilian_title): 38 if '爬虫' in Reptilian_title[k]: 39 print(k+1,'%s'%Reptilian_title[k],'','%s'%Reptilian_url[k]) 40 print('===============================') 41 k += 1
可以给中间加一小段，写到文档里，保存下来偷偷看。
1 Reptilian = open('1.txt', 'a') 2 Reptilian.writelines(['标题：',Reptilian_title,' ','url：',Reptilian_url]) 3 Reptilian.close()