PTT網頁爬蟲-爬每篇文章內容
無法查看此摘要。請
按這裡查看文章。
發表文章
PTT網頁爬蟲-爬每頁文章的網址
這篇要教大家如何從PTT網頁版來爬每篇文章的網址同時過八卦版18歲認證， 爬到網址後， PTT網頁爬蟲-爬每篇文章內容 會介紹，進去把每篇網址的內容爬出來。 這邊使用python與八卦版的網頁來實作。 他網址有個優點就是可以按一下右上角的上一頁 https://www.ptt.cc/bbs/Gossiping/index.html 如圖index後面代個數字，這就是這網頁再PTT文章中第幾頁，所以我就可以用迴圈的方式把所有網頁中的URL抓出來，前一頁是39061所以最新一頁是39062，下面為程式碼。 迴圈從1~39062 url的index後面給他帶數字 payload是post的cookies參數 連線抓取html 先抓取div=title的部分，URL藏在裡面 最後再取href抓到URL丟到article_href import requests from bs4 import BeautifulSoup for page in range(1,39062): article_href = [] url = 'https://www.ptt.cc/bbs/Gossiping/index'+str(page)+'.html' payload = {'form':'/bbs/stock/index.html', 'yes':'yes' } rs=requests.session() res=rs.post('https://www.ptt.cc/ask/over18',verify=False,data=payload) res=rs.get(url,verify=False) soup = BeautifulSoup(res.text,"html.parser") ...