爬虫-提取百度搜索结果

代码

import json
import requests
from lxml import etree
import time
from tqdm import tqdm

# 想要搜索的词
word = '粮食'

# 链接
urls = 'https://www.baidu.com/s?wd='+word+'&pn='
headers = {
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.61 Safari/537.36"
}

for j in tqdm(range(100)):
    url = urls+str(j*10)
    response = requests.get(url, headers=headers)
    r = response.text
    html = etree.HTML(r, etree.HTMLParser())
    r1 = html.xpath('//h3')
    r2 = html.xpath('//*[@class="c-abstract"]')
    r3 = html.xpath('//*[@class="t"]/a/@href')

    for i in range(len(r2)):
        r11 = r1[i].xpath('string(.)')
        r22 = r2[i].xpath('string(.)')
        r33 = r3[i]
        with open('baidu_sousuo1.txt', 'a', encoding='utf-8') as c:
            c.write(json.dumps(r11,ensure_ascii=False) + '\n')
            c.write(json.dumps(r22, ensure_ascii=False) + '\n')
            c.write(json.dumps(r33, ensure_ascii=False) + '\n')
        # print(r11, end='\n')
        # print('------------------------')
        # print(r22, end='\n')
        # print(r33)
    time.sleep(1) # 暂停 1 秒

结果

在这里插入图片描述

相关文章

AJAX是一种基于JavaScript和XML的技术,能够使网页实现异步交...
在网页开发中,我们常常需要通过Ajax从后端获取数据并在页面...
在前端开发中,经常需要循环JSON对象数组进行数据操作。使用...
AJAX(Asynchronous JavaScript and XML)是一种用于创建 We...
AJAX技术被广泛应用于现代Web开发,它可以在无需重新加载页面...
Ajax是一种通过JavaScript和HTTP请求交互的技术,可以实现无...