鱼C论坛

 找回密码
 立即注册
查看: 1994|回复: 2

爬虫

[复制链接]
发表于 2020-8-20 18:53:58 | 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
import re


f = open('无敌真寂寞.txt','w')


def get_html(url):

    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')
    return html

def get_text(html):

    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])
            f.write(each.split(';')[-1])
            f.write('\n')
        else:
            print(each)
            f.write(each)
            f.write('\n')

def get_title(html):
    title = re.findall('<h1>(.*?)</h1>',html)
    title = title[0]
    return title

def get_next(html):
    url_1 = 'https://www.biduo.cc'
    regular = re.compile(r'.*?">上一章</a> ← <a href=".*?">章节列表</a> .*?; <a href="(.*?)"')
    m = regular.findall(html)
    url_2 = m.pop()
    next_address = url_1 + url_2
    return next_address


def main():
    number = int(input('请输入您想获取的章节总数:'))
    url = 'https://www.biduo.cc/biquge/39_39888/c13353637.html'
    for each in range(number):
        html = get_html(url)
        title = get_title(html)
        print(title)
        next_address = get_next(html)
        f.write(title)
        f.write('\n')
        f.write('\n')
        get_text(html)
        url = next_address
        f.write('\n')
        f.write('\n')

    f.close()

if __name__ == "__main__":
    main()
爬的小说叫无敌真寂寞,喜欢看小说的可以试一试这个程序。有大佬要是把程序改进了能给我发一波吗,让我观摩观摩
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 2020-8-20 18:58:58 | 显示全部楼层
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 2020-8-20 19:17:33 | 显示全部楼层
import urllib.request
import re


f = open('无敌真寂寞.txt','w')


def get_html(url):

    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')
    return html

def get_text(html):

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

    m = regular.findall(html)

    for each in m:
        each = each[:-32]
        if '    ' in each :
            f.write(each.split(';')[-1])
            f.write('\n')
        else:
            f.write(each)
            f.write('\n')

def get_title(html):
    title = re.findall('<h1>(.*?)</h1>',html)
    title = title[0]
    return title

def get_next(html):
    url_1 = 'https://www.biduo.cc'
    regular = re.compile(r'.*?">上一章</a> ← <a href=".*?">章节列表</a> .*?; <a href="(.*?)"')
    m = regular.findall(html)
    url_2 = m.pop()
    next_address = url_1 + url_2
    return next_address


def main():
    number = int(input('请输入您想获取的章节总数:'))
    url = 'https://www.biduo.cc/biquge/39_39888/c13353637.html'
    for each in range(number):
        html = get_html(url)
        title = get_title(html)
        next_address = get_next(html)
        f.write(title)
        f.write('\n'*2)
        get_text(html)
        url = next_address
        f.write('\n'*2)
    f.close()
    print('已完成')

if __name__ == "__main__":
    main()
运行显示精简
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, 2025-1-11 06:24

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表