鱼C论坛

 找回密码
 立即注册
查看: 2310|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
  1. import urllib.request
  2. import re


  3. f = open('无敌真寂寞.txt','w')


  4. def get_html(url):

  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.     return html

  15. def get_text(html):

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

  17.     m = regular.findall(html)

  18.     for each in m:
  19.         each = each[:-32]
  20.         print('     ',end='')
  21.         if '&nbsp;&nbsp;&nbsp;&nbsp;' in each :
  22.             print(each.split(';')[-1])
  23.             f.write(each.split(';')[-1])
  24.             f.write('\n')
  25.         else:
  26.             print(each)
  27.             f.write(each)
  28.             f.write('\n')

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

  33. def get_next(html):
  34.     url_1 = 'https://www.biduo.cc'
  35.     regular = re.compile(r'.*?">上一章</a> &larr; <a href=".*?">章节列表</a> .*?; <a href="(.*?)"')
  36.     m = regular.findall(html)
  37.     url_2 = m.pop()
  38.     next_address = url_1 + url_2
  39.     return next_address


  40. def main():
  41.     number = int(input('请输入您想获取的章节总数:'))
  42.     url = 'https://www.biduo.cc/biquge/39_39888/c13353637.html'
  43.     for each in range(number):
  44.         html = get_html(url)
  45.         title = get_title(html)
  46.         print(title)
  47.         next_address = get_next(html)
  48.         f.write(title)
  49.         f.write('\n')
  50.         f.write('\n')
  51.         get_text(html)
  52.         url = next_address
  53.         f.write('\n')
  54.         f.write('\n')

  55.     f.close()

  56. if __name__ == "__main__":
  57.     main()
复制代码

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
小甲鱼最新课程 -> https://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
小甲鱼最新课程 -> https://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
  1. import urllib.request
  2. import re


  3. f = open('无敌真寂寞.txt','w')


  4. def get_html(url):

  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.     return html

  15. def get_text(html):

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

  17.     m = regular.findall(html)

  18.     for each in m:
  19.         each = each[:-32]
  20.         if '&nbsp;&nbsp;&nbsp;&nbsp;' in each :
  21.             f.write(each.split(';')[-1])
  22.             f.write('\n')
  23.         else:
  24.             f.write(each)
  25.             f.write('\n')

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

  30. def get_next(html):
  31.     url_1 = 'https://www.biduo.cc'
  32.     regular = re.compile(r'.*?">上一章</a> &larr; <a href=".*?">章节列表</a> .*?; <a href="(.*?)"')
  33.     m = regular.findall(html)
  34.     url_2 = m.pop()
  35.     next_address = url_1 + url_2
  36.     return next_address


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

  51. if __name__ == "__main__":
  52.     main()
复制代码

运行显示精简
小甲鱼最新课程 -> https://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, 2025-7-1 09:36

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表