IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> python 爬取诗词名句网(包含页面跳转) -> 正文阅读

[Python知识库]python 爬取诗词名句网(包含页面跳转)

代码,之前一直乱码,经过多番尝试
使用了.encode(‘ISO-8859-1’).decode(‘utf-8’)这个方法

from bs4 import BeautifulSoup
import requests

if __name__ == '__main__':
    url='https://m.shicimingju.com/book/sanguoyanyi.html'
    headers={'User-Agent':'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Mobile Safari/537.36'}
    page_text=requests.get(url=url,headers=headers)
    #page_text.encoding = 'utf-8'
    soup=BeautifulSoup(page_text.text.encode('ISO-8859-1').decode('utf-8'),'lxml')
    li=soup.select('.book-mulu > ul > li')
    f=open('sanguo.txt','w',encoding='utf-8')
    for list in li:
        title=list.a.string
        #t=title.encode('utf-8').decode('gbk')
        href='https://m.shicimingju.com'+list.a['href']
        detail_text=requests.get(href,headers=headers)
        #detail_text.encoding='utf-8'
        content=BeautifulSoup(detail_text.text.encode('ISO-8859-1').decode('utf-8'),'lxml')
        con=content.find('div',class_='card')
        p=con.text
        #p=p.encode('utf-8').decode('gbk')
        f.write(title+':'+p+'\n')
        print(title,'爬取成功')


图片

在这里插入图片描述
但是这个爬出来的txt含有NSBP

根据此方法:
\xa0 是不间断空白符
str.replace(u’\xa0’, u’ ‘)

\u3000 是全角的空白符
str.replace(u’\u3000’,u’ ‘)

title.strip(‘\r\n’).replace(u’\u3000’, u’ ‘).replace(u’\xa0’, u’ ‘)
content.strip(“”).strip(‘\r\n’).replace(u’\u3000’, u’ ‘).replace(u’\xa0’, u’ ‘)

进行修改:

在这里插入图片描述
这个txt文件就没有NSBP了,而且格式也规范许多。
最终代码:

from bs4 import BeautifulSoup
import requests

if __name__ == '__main__':
    url='https://m.shicimingju.com/book/sanguoyanyi.html'
    headers={'User-Agent':'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Mobile Safari/537.36'}
    page_text=requests.get(url=url,headers=headers)
    #page_text.encoding = 'utf-8'
    soup=BeautifulSoup(page_text.text.encode('ISO-8859-1').decode('utf-8'),'lxml')
    li=soup.select('.book-mulu > ul > li')
    f=open('sanguo.txt','w',encoding='utf-8')
    for list in li:
        title=list.a.string
        t=title.strip('\r\n').replace(u'\u3000', u'').replace(u'\xa0', u'')
        href='https://m.shicimingju.com'+list.a['href']
        detail_text=requests.get(href,headers=headers)
        #detail_text.encoding='utf-8'
        content=BeautifulSoup(detail_text.text.encode('ISO-8859-1').decode('utf-8'),'lxml')
        con=content.find('div',class_='chapter_content')
        p=con.text
        p=p.strip('\r\n').replace(u'\u3000', u'').replace(u'\xa0', u'')
        f.write(t+':'+p+'\n')
        print(t,'爬取成功')




之前错误的代码示范

from bs4 import BeautifulSoup
import requests

if __name__ == '__main__':
    url='https://m.shicimingju.com/book/sanguoyanyi.html'
    headers={'User-Agent':'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Mobile Safari/537.36'}
    page_text=requests.get(url=url,headers=headers).text
    soup=BeautifulSoup(page_text,'lxml')
    li=soup.select('.book-mulu > ul > li')
    f=open('sanguo.txt','w',encoding='utf-8')
    for list in li:
        title=list.a.string
        t=title.encode('utf-8').decode('gbk')
        href='https://m.shicimingju.com'+list.a['href']
        detail_text=requests.get(href,headers=headers).text
        #detail_text.encoding='utf-8'
        content=BeautifulSoup(detail_text,'lxml')
        con=content.find('div',class_='card')
        p=con.text
        p=p.encode('utf-8').decode('gbk')
        f.write(t+':'+p+'\n')
        print(t,'爬取成功')


图片,虽然是中文但是内容完全错误,不知道爬的啥。

在这里插入图片描述

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-08-07 12:01:58  更:2021-08-07 12:04:34 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年5日历 -2024/5/17 12:13:04-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码