鱼C论坛

 找回密码
 立即注册
查看: 2318|回复: 7

[已解决]爬虫

[复制链接]
发表于 2020-8-19 18:53:14 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
import urllib.request
from bs4 import BeautifulSoup
import re


url = 'https://www.biduo.cc/biquge/39_39888/c13353637.html'

headers = {
'Accept-Language': 'zh-CN',
'Cache-Control': 'no-cache',
'Connection': 'Keep-Alive',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.18363'
}

res = urllib.request.Request(url=url,headers=headers)

response = urllib.request.urlopen(res)
html = response.read().decode("gbk",'ignore')

regular = re.compile(".*?<br><br>    ")



m = regular.findall(html)

for each in m:
    each = each[:-32]
    print('     ',end='')
    if '    ' in each :
        print(each.split(';')[-1])
    else:
        print(each)
搞了个爬虫爬了一张小说,有没有大佬给改得更精简好用让我观摩一下
最佳答案
2020-8-19 18:55:57
import urllib.request
import re

url = 'https://www.biduo.cc/biquge/39_39888/c13353637.html'

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
                  '(KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.18363'
}

response = urllib.request.urlopen(urllib.request.Request(url=url, headers=headers))
html = response.read().decode("gbk", 'ignore')

for each in re.findall(".*?<br><br>    ", html):
    each = each[:-32]
    print('    ', (each.split(';')[-1] if '    ' in each else each))
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-8-19 18:55:57 | 显示全部楼层    本楼为最佳答案   
import urllib.request
import re

url = 'https://www.biduo.cc/biquge/39_39888/c13353637.html'

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
                  '(KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.18363'
}

response = urllib.request.urlopen(urllib.request.Request(url=url, headers=headers))
html = response.read().decode("gbk", 'ignore')

for each in re.findall(".*?<br><br>    ", html):
    each = each[:-32]
    print('    ', (each.split(';')[-1] if '    ' in each else each))
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 2 反对 0

使用道具 举报

发表于 2020-8-19 19:44:42 | 显示全部楼层
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-8-19 19:50:40 | 显示全部楼层
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-8-19 21:14:31 | 显示全部楼层
给大佬疯狂扣6
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-8-19 23:36:04 | 显示全部楼层

大佬,我想问一下.*和.*?有啥区别,啥时候用.*啥时候用.*?
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-8-20 07:25:49 | 显示全部楼层
君子好逑 发表于 2020-8-19 23:36
大佬,我想问一下.*和.*?有啥区别,啥时候用.*啥时候用.*?

https://zhidao.baidu.com/question/297472922.html
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-8-20 12:13:35 | 显示全部楼层
zltzlt 发表于 2020-8-20 07:25
https://zhidao.baidu.com/question/297472922.html

想知道小甲鱼最近在做啥?请访问 -> 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, 2024-6-18 09:52

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表