鱼C论坛

 找回密码
 立即注册
查看: 1746|回复: 0

[作品展示] 爬取起点免费作品

[复制链接]
发表于 2022-5-31 20:27:03 | 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
自己模仿别人的写的,练练手
起点中文网免费专栏爬取
使用模块:requests,re

import requests
import re
import time


url = 'https://www.qidian.com/free/all/'
book_img_box = requests.get(url=url)

def link_list():
    list_page = requests.get(url=href)
    info_page = re.findall('<h2 class="book_name"><a href="(.*?)" target="_blank" data-eid="qd_G55" data-cid=".*?" alt="(.*?)" title=".*?</a></h2>', list_page.text)
    for link, title in info_page:
        link = 'https:' + link
        print(link, title)
        #time.sleep(1)
        response = requests.get(url=link)
        content_data = re.findall('window.cContent = "(.*?)";', response.text, re.S)[0]
        text = title + '\n' + content_data.replace('<p>\u3000\u3000', '') + '\n'
        print(text)
        with open(alt + '.txt', mode='a', encoding='utf-8') as f:
            f.write(text)

book_name = re.findall('<h2><a href="(.*?)".*?title=".*?">(.*?)</a></h2>', book_img_box.text)
for href, alt in book_name:
    href = 'https:' + href
    print(href, alt)
    link_list()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

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, 2024-11-18 01:44

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表