zoukankan      html  css  js  c++  java
  • 2019新年爬本小说看看

    #_author_='LaoHan';
    #date: 2019/2/11
    # -*- coding: utf-8 -*-
    from bs4 import BeautifulSoup
    import requests
    import codecs
    def get_url_list(url):
    begin_html = requests.get(url)
    soup = BeautifulSoup(begin_html.content, 'lxml')
    #begin_html.content如果换成begin_html.text会有乱码
    #后来查了下为什么,可以参考下面这个链接
    # https://blog.csdn.net/qq_38900441/article/details/79946377
    url_list = []
    list = soup.select("#list > dl > dd > a")
    #访问主页返回信息中的所有a标签中的内容
    for i in list:
    i = i.get("href")
    #print(i)
    i = 'http://www.biqugecom.com' + i
    url_list.append(i)
    url_list = url_list[9:-1]
    print (url_list)
    return url_list
    def get_data(url):
    html = requests.get(url)
    soup = BeautifulSoup(html.content, 'lxml')
    book = codecs.open('output.txt', 'a+', 'utf-8');
    # 以二进制写入章节题目 需要转换为utf-8编码,否则会出现乱码
    section_name = soup.select("#wrapper > div.content_read > div > div.bookname > h1")[0].text
    print (section_name)
    book.write((' ' + section_name + ' '))
    section_text = soup.select("#content")
    for page in section_text:
    a = page.text.replace('readx();', '').replace('www.biqugecom.com/20/20341/', '')
    book.write((a)+ ' ')
    # 以二进制写入章节内容
    book.close() # 关闭小说文件
    if '__main__' == __name__:
    url = 'http://www.biqugecom.com/34/34055/'
    url_list = get_url_list(url)
    for n in url_list:
    get_data (n)
  • 相关阅读:
    回车代码兼容火狐浏览器
    js区分浏览器类型
    阶段总结(2014-07-23)
    Spring学习笔记 2014-7-9
    Maven学习笔记
    QQ协议的研究
    模仿微信打飞机做的程序
    滚动字幕
    13年8月15日阿里云服务器网络故障事件
    [转]程序员自己写的神器 MonoDevelop 4 (Xamarin Studio) Debugging for Unity
  • 原文地址:https://www.cnblogs.com/pytest/p/10362342.html
Copyright © 2011-2022 走看看