用python爬取CSDN博客的总字数

本文主要是介绍用python爬取CSDN博客的总字数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、下载pycahrm

此处推荐博客：PyCharm安装教程，图文教程（超详细）-CSDN博客

二、安装相应的库

pycharm安装库的步骤：

1、打开pycharm；

2、在菜单栏中，选择 "file">"settings"；

3、左侧选择 "project: ">"python interpreter"；

4、点击右上角的 "+" 按钮；

5、搜索需要的库，然后点击 "install package"；【加快下载速度——option处添加镜像：-i https://pypi.tuna.tsinghua.edu.cn/simple】

6、安装完成后，关闭对话框，点击 "ok" 保存设置即可。

除上述操作外，还可以将鼠标放在代码中的红色波浪线下，会弹出 install 的指令点击即可。

三、建立python文件输入代码

import requests
from bs4 import BeautifulSoup

def get_csdn_blog_word_count(url):
    # 发送请求获取网页内容
    response = requests.get(url)
    # 使用BeautifulSoup解析网页
    soup = BeautifulSoup(response.text, 'html.parser')
    # 查找存放文章内容的标签
    content = soup.find('div', class_='markdown_views').text
    # 计算字数
    word_count = len(content)
    return word_count

# 测试
url = 'https://blog.csdn.net/example/article/details/12345678'
print(f'博客字数：{get_csdn_blog_word_count(url)}')

四、可能出现的问题

1.  File "D:\Program Files\Software\Professional\Pycharm\pyproject\pythonProject\.venv\Lib\site-packages\pip\_vendor\urllib3\response.py", line 443, in _error_catcher
    raise ReadTimeoutError(self._pool, None, "Read timed out.")
pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host='files.pythonhosted.org', port=443): Read timed out.

[notice] A new release of pip is available: 23.2.1 -> 24.0
[notice] To update, run: python.exe -m pip install --upgrade pip

解决办法：更换镜像源：-i http://mirros.aliyun.com/pypi/simple/

2.ERROR: Could not find a version that satisfies the requirement webdriver (from versions: none) ERROR: No matching distribution found for webdriver [notice] A new release of pip is available: 23.2.1 -> 24.0 [notice] To update, run: python.exe -m pip install --upgrade pip

首先，更新 pip 到最新版本。运行以下命令来升级 pip：

python -m pip install --upgrade pip

接下来，安装 Selenium 库。运行以下命令来安装 selenium：

python -m pip install selenium

这篇关于用python爬取CSDN博客的总字数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---