鱼C论坛

 找回密码
 立即注册
查看: 1398|回复: 4

[已解决]遇到没有尾页的网站,除了for循环有没有其它方法?

[复制链接]
发表于 2020-7-17 12:04:43 | 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
遇到没有尾页的网站,除了for循环有没有其它方法?有尾页时我可以定位总页数,但是没有尾页时,我只能肉眼观察总页数,请问有没有更好的方法?
import requests
from lxml import etree
import os
if not os.path.exists('c:/视频'):
    os.mkdir('c:/视频')
url =  'https://www.qiushibaike.com/video/'
UA = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.92 Safari/537.36'}
r1 = requests.get(url=url,headers=UA).text
e1 = etree.HTML(r1)
j = 0
for i in range(1,14):
    if i == 1:
        url = 'https://www.qiushibaike.com/video/'
    else:
        url = 'https://www.qiushibaike.com/video/'+ 'page/'+ str(i) +'/'
    r1 = requests.get(url=url, headers=UA).text
    e1 = etree.HTML(r1)
    mp4 = e1.xpath('//div[@class = "col1 old-style-col1"]//source/@src')

    for mp4 in mp4:
        mp4 = 'https:'+mp4
        j += 1
        后缀 = mp4.split('.')[-1]
        文件路径 = 'c:/视频/'+ str(j) +'.'+后缀
        r1 = requests.get(url=mp4, headers=UA).content
        with open(文件路径,'wb') as fp:
            fp.write(r1)
            print(f'第{j}个视频','下载成功!!!')
最佳答案
2020-7-17 12:12:03


爬出页码呗:
import requests
from lxml import etree
import os
if not os.path.exists('c:/视频'):
    os.mkdir('c:/视频')
url =  'https://www.qiushibaike.com/video/'
UA = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.92 Safari/537.36'}
r1 = requests.get(url=url,headers=UA).text
e1 = etree.HTML(r1)
j = 0
all_age = int(e1.xpath(r'//a/span/text()')[-2][1:-1])
for i in range(1,all_age+1):
    if i == 1:
        url = 'https://www.qiushibaike.com/video/'
    else:
        url = 'https://www.qiushibaike.com/video/'+ 'page/'+ str(i) +'/'
    r1 = requests.get(url=url, headers=UA).text
    e1 = etree.HTML(r1)
    mp4 = e1.xpath('//div[@class = "col1 old-style-col1"]//source/@src')

    for mp4 in mp4:
        mp4 = 'https:'+mp4
        j += 1
        后缀 = mp4.split('.')[-1]
        文件路径 = 'c:/视频/'+ str(j) +'.'+后缀
        r1 = requests.get(url=mp4, headers=UA).content
        with open(文件路径,'wb') as fp:
            fp.write(r1)
            print(f'第{j}个视频','下载成功!!!')
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 2020-7-17 12:12:03 | 显示全部楼层    本楼为最佳答案   


爬出页码呗:
import requests
from lxml import etree
import os
if not os.path.exists('c:/视频'):
    os.mkdir('c:/视频')
url =  'https://www.qiushibaike.com/video/'
UA = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.92 Safari/537.36'}
r1 = requests.get(url=url,headers=UA).text
e1 = etree.HTML(r1)
j = 0
all_age = int(e1.xpath(r'//a/span/text()')[-2][1:-1])
for i in range(1,all_age+1):
    if i == 1:
        url = 'https://www.qiushibaike.com/video/'
    else:
        url = 'https://www.qiushibaike.com/video/'+ 'page/'+ str(i) +'/'
    r1 = requests.get(url=url, headers=UA).text
    e1 = etree.HTML(r1)
    mp4 = e1.xpath('//div[@class = "col1 old-style-col1"]//source/@src')

    for mp4 in mp4:
        mp4 = 'https:'+mp4
        j += 1
        后缀 = mp4.split('.')[-1]
        文件路径 = 'c:/视频/'+ str(j) +'.'+后缀
        r1 = requests.get(url=mp4, headers=UA).content
        with open(文件路径,'wb') as fp:
            fp.write(r1)
            print(f'第{j}个视频','下载成功!!!')

评分

参与人数 1荣誉 +5 鱼币 +5 贡献 +3 收起 理由
jjxx2005 + 5 + 5 + 3

查看全部评分

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 1 反对 0

使用道具 举报

 楼主| 发表于 2020-7-17 12:58:27 | 显示全部楼层

感谢版主,另外有个问题像您咨询
all_age = int(e1.xpath(r'//a/span/text()')[-2][1:-1])

[-2]是取下标的倒数第2个,但是后面的切片我不太懂 [1:-1]
我发现
e1.xpath(r'//a/span/text()')[-2]   在页号上面有一个空行
但是按您的方法写成e1.xpath(r'//a/span/text()')[-2][1:-1] 空行就消失了  这个切片是什么原理? 谢谢
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 2020-7-17 15:37:00 | 显示全部楼层
jjxx2005 发表于 2020-7-17 12:58
感谢版主,另外有个问题像您咨询
all_age = int(e1.xpath(r'//a/span/text()')[-2][1:-1])

因为这里有两个不可见字符  比如  '\n13\n' 我切片 [1:-1] 就是把不可见字符给去掉了
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 2020-7-17 16:05:14 | 显示全部楼层
Twilight6 发表于 2020-7-17 15:37
因为这里有两个不可见字符  比如  '\n13\n' 我切片 [1:-1] 就是把不可见字符给去掉了

谢谢回复明白了
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, 2025-1-19 23:25

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表