老鐵們，一年一度的520就要來了，大家有沒有正在抓耳撓腮的給女朋友準(zhǔn)備禮物呢?

作為一個(gè)業(yè)余非專業(yè)程序猿(ps：自稱程序猿，哈哈)，最近初學(xué)python，用它來抓取情話網(wǎng)站的100頁情話，作為給女朋友的第二個(gè)小禮物。

由于小馬達(dá)我，是自學(xué)，也是初學(xué)者，忘各位大神勿噴，程序比較簡單，親測可用。

下面進(jìn)入正題：

目標(biāo)：爬取指定網(wǎng)址的100頁情話

練手網(wǎng)站

準(zhǔn)備：python：3.7版本、開發(fā)工具：pycharm、瀏覽器：谷歌瀏覽器

思路：

1. 通過requests+xpath來爬取網(wǎng)頁，并對信息進(jìn)行提取
2. 不管網(wǎng)站有沒有反爬策略，最簡單的攜帶headers用上
3. 循環(huán)寫入txt文件
4. 把主要代碼寫成函數(shù)進(jìn)行封裝

幾個(gè)關(guān)鍵點(diǎn)：

1. 注意網(wǎng)頁的編碼格式，一般來說，可以結(jié)合response.encoding和response.headers來觀察。如果headers里面沒有Content-Type,則編碼為encoding='utf-8';如果有Content-Type，以 charset 為準(zhǔn)，沒有charset,則為ISO-8859-1
2. 觀察網(wǎng)頁的結(jié)構(gòu)，確定如何編寫程序?qū)崿F(xiàn)翻頁，在這里網(wǎng)站比較簡單，直接把序號+1就行
3. 關(guān)于用beautifulsoup還是xpath，酌情使用，在這里，我直接使用xpath定位更加方便

最終效果：

得到100頁情話，并保存到txt文件里。

主要代碼

結(jié)果輸出

后期計(jì)劃改進(jìn)：

1. 準(zhǔn)備把數(shù)據(jù)寫入數(shù)據(jù)庫
2. 用flask框架搭建網(wǎng)站
3. 準(zhǔn)備實(shí)現(xiàn)詞云效果，類似于下面這樣。

好了，文字表達(dá)能力也不強(qiáng)，也不知道寫啥，主要就是分享好玩的。奧，對了，小馬達(dá)，什么都喜歡研究一下，這個(gè)號不打算寫垂直領(lǐng)域，主要就是分享生活，結(jié)交朋友，當(dāng)然了，你要點(diǎn)個(gè)贊，給個(gè)關(guān)注，那我們就是更好的朋友。哈哈，記得關(guān)注哦!