要求如下:
爬取虎扑步行街 ACG 版面的数据,要求使用多线程来并发爬取。范围是第一页的所有帖子,每个帖子包含标题、主题内容和第一页的所有回复内容。最后打印出爬到的所有帖子的标题。
网址是:ACG圈 - 虎扑社区。
针对上面的要求,我们进行分析:
- 首先是要使用多线程
- 范围是第一页的所有的帖子
- 每个帖子的标题,主要内容以及所有回复内容
那我们分析下页面:
解析所有帖子的链接
我们找到第一条,鼠标放到上面邮件检查,然后我们看到这条贴子的链接在 bbs-sl-web-post下面,然后我们看到元素a的属性是627322160.html,看着不像是一个链接,点击进去我们发下他是后缀
经过前面的分析我们可以写一个获取所有帖子链接的方法
# 解析列表页,得到内容页链接
def parse_list_page(text):
soup = BeautifulSoup(text, &#