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:
    15 反转链表
    八大排序算法总结(2)
    八大排序算法总结(1)
    22从上往下打印二叉树
    19顺时针打印矩阵
    20包含min函数的栈
    SpringMVC-Mybatis整合和注解开发
    优雅的代码之选择不同支付方式
    利用freemarker+SAX解析xml的方式对excel文件字段校验
    pl/sql编程语言
  • 原文地址:https://www.cnblogs.com/pytest/p/10362342.html
Copyright © 2011-2022 走看看