鱼C论坛

 找回密码
 立即注册
查看: 2143|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
  1. import urllib.request
  2. from bs4 import BeautifulSoup
  3. import re


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

  5. headers = {
  6. 'Accept-Language': 'zh-CN',
  7. 'Cache-Control': 'no-cache',
  8. 'Connection': 'Keep-Alive',
  9. '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'
  10. }

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

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

  14. regular = re.compile(".*?<br><br>&nbsp;&nbsp;&nbsp;&nbsp;")



  15. m = regular.findall(html)

  16. for each in m:
  17.     each = each[:-32]
  18.     print('     ',end='')
  19.     if '&nbsp;&nbsp;&nbsp;&nbsp;' in each :
  20.         print(each.split(';')[-1])
  21.     else:
  22.         print(each)
复制代码

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
  1. import urllib.request
  2. import re

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

  4. headers = {
  5.     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
  6.                   '(KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.18363'
  7. }

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

  10. for each in re.findall(".*?<br><br>&nbsp;&nbsp;&nbsp;&nbsp;", html):
  11.     each = each[:-32]
  12.     print('    ', (each.split(';')[-1] if '&nbsp;&nbsp;&nbsp;&nbsp;' in each else each))
复制代码
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   
  1. import urllib.request
  2. import re

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

  4. headers = {
  5.     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
  6.                   '(KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.18363'
  7. }

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

  10. for each in re.findall(".*?<br><br>&nbsp;&nbsp;&nbsp;&nbsp;", html):
  11.     each = each[:-32]
  12.     print('    ', (each.split(';')[-1] if '&nbsp;&nbsp;&nbsp;&nbsp;' in each else each))
复制代码
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, 2024-5-2 04:23

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表