可以使用 Python 实现从百度贴吧热门帖子中提取每层楼的发帖人、发帖时间和发帖内容并保存到 CSV 文档。以下是一个示例代码，其思路是利用正则表达式从网页源代码中匹配所需信息，然后将信息写入 CSV 文件： ```python import re import csv import requests def get_tieba_info(url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36' } # 发送请求 request = requests.get(url=url, headers=headers) # 返回html源代码 html = request.text # 匹配发帖人 pattern1 = re.compile(r'''p_author_name.*?>(.*)''', re.M | re.I) pattern2 = re.compile(r"<img.*?/>") name = pattern1.findall(html) name_list = [] for str1 in name: str1 = re.sub(pattern2, "", str1) str1 = re.sub(r"</a>", "", str1) name_list.append(str1) # 匹配发帖时间 pattern3 = re.compile(r"\d{4}-\d{2}-\d{2} \d{2}:\d{2}") time_list = pattern3.findall(html) # 匹配发帖内容 pattern4 = re.compile(r'''post_content_\d{12}.*?>\s*(.*?<)''', re.M | re.I) info = pattern4.findall(html) info_list = [] for str1 in info: str1 = re.sub(r"<", "", str1) info_list.append(str1) # 保存到 CSV 文件 with open("tieba_info.csv", 'w', encoding='utf-8', newline='') as f: csv_writer = csv.writer(f) csv_writer.writerow(["用户名", "发帖时间", "发帖内容"]) for name, time, info in zip(name_list, time_list, info_list): csv_writer.writerow([name, time, info]) # 示例 URL，可替换为实际的热门帖子 URL url = "https://tieba.baidu.com/p/xxxxxx" # 这里需要替换为实际的帖子链接 get_tieba_info(url) ``` ### 代码解释 1. **请求网页内容**：使用`requests`库发送 HTTP 请求，获取网页的 HTML 源代码。 2. **正则表达式匹配**： - **发帖人**：使用`pattern1`匹配发帖人信息，然后使用`pattern2`去除其中的图片标签，最后去除`</a>`标签。 - **发帖时间**：使用`pattern3`匹配符合`YYYY-MM-DD HH:MM`格式的时间信息。 - **发帖内容**：使用`pattern4`匹配发帖内容，并去除`<`标签。 3. **保存到 CSV 文件**：使用`csv.writer`将匹配到的信息写入 CSV 文件，包括用户名、发帖时间和发帖内容。 ### 注意事项 - 示例代码中的`https://tieba.baidu.com/p/xxxxxx`需要替换为实际的热门帖子链接。 - 百度贴吧的网页结构可能会发生变化，因此正则表达式可能需要根据实际情况进行调整。