鱼C论坛

 找回密码
 立即注册
查看: 6796|回复: 5

[已解决]关于爬取小说的章节排序和格式问题

[复制链接]
发表于 2018-3-12 23:18:28 | 显示全部楼层    本楼为最佳答案   
本帖最后由 纳兰小寒 于 2018-3-12 23:37 编辑

写入每一行数据的时候,末尾加个换行符
  1. def writeFile(title,content,name):
  2.     with open(name +'.txt','a',encoding='utf-8')as ganrong:
  3.         #设置文件编码,避免写入时乱码
  4.         ganrong.write('\n'+title+'\n')#加个换行符
  5.         for line in content:
  6.             ganrong.write(line+'\n')
  7.     print('%s was writed ..'%title,name)
复制代码


抓到了你说的第二个问题,爬虫返回的是“<title>500 Internal Server Error</title>”
换IP或者换个浏览器头就好了,再或者在采集的时候加个间隔时间
  1. def url_open(url):  # 网页打开函数,以防被禁
  2.     headers = {
  3.         'User-Agent': rand_ua()}
  4.     req = requests.get(url, headers=headers)
  5.     req.encoding = 'utf-8'
  6.     return req.text

  7. def rand_ua():
  8.     headers = ["Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.75 Safari/537.36"]
  9.     headers.append('Mozilla/5.0 (Windows NT 6.1; rv:53.0) Gecko/20100101 Firefox/53.0')
  10.     headers.append('Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36')
  11.     headers.append('Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.81 Safari/537.36')
  12.     headers.append('Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Ubuntu Chromium/57.0.2987.98 Chrome/57.0.2987.98 Safari/537.36')
  13.     return headers[rd.randint(0,4)]
复制代码
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-10-5 03:04

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表