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 -> 爬虫实战项目 -> 正文阅读

[Python知识库]爬虫实战项目

豆瓣TOP250电影

听说所有爬虫学习都是从这开始的?

import requests
import re
from bs4 import BeautifulSoup

header = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36 Edg/95.0.1020.30',
    'Host': 'movie.douban.com'
}
r = requests.get('https://movie.douban.com/top250', headers=header)
titlehtml = re.findall('<span class="title">.+</span>', r.text)

for i in range(0, 10):
    r = requests.get('https://movie.douban.com/top250?start=' + str(i * 25), headers=header)
    title_html = re.findall('<span class="title">[\u4E00-\u9FFF]+</span>', r.text)
    for j in title_html:
        title = j[20:len(j) - 7:1]
        print(title)

请求头信息用来通过反爬虫机制,匹配任意中文的正则用? [\u4E00-\u9FFF]+

爬取某小说网站动物庄园,分章节存为txt文件

# 创建并写入文件函数
def write(name, text):
    f = open(name + '.txt', 'x')
    f.write(text)
    f.close()


r = requests.get('https://www.kanunu8.com/book3/6879/')
r.encoding = 'gb2312'
# 获取分章节链接
mainBody = re.findall('正文(.*?)</tbody>', r.text, re.S)
link = re.findall('<a href=".+.html">[\u4E00-\u9FFF]+</a>', mainBody[0])

# 构建章节名-链接字典
linkDic = {}
for str in link:
    where = re.search('[0-9]+.html', str).group()
    name = re.search('[\u4E00-\u9FFF]+', str).group()
    linkDic.update({name: where})

# 提取章节网页正文,存于字典中
mainText = {}
for name in linkDic:
    rr = requests.get('https://www.kanunu8.com/book3/6879/' + linkDic[name])
    rr.encoding = 'GBK'
    paragraph = re.search('<p>(.*?)</p>', rr.text, re.S).group(1)
    paragraph = paragraph.replace('<br />', '')
    mainText.update({name: paragraph})
    write(name, paragraph)

  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:2021-10-25 12:29:51  更:2021-10-25 12:32:13 
 
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11日历 -2024/11/15 20:52:03-

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