乱世佳人小说网页的爬取

乱世佳人的小说文本爬取

from urllib.request import urlopen, Request
from bs4 import BeautifulSoup
titles=[]
texts=[]

首先引用urlopen ,Request,Beautiful
建立两个列表存放标题和每篇文章的内容

def updatepages(url, header):
    ret = Request(url, headers=header) 
    html = urlopen(ret).read().decode('gbk') # 如果不加.read().decode('gbk')会出现乱码
    bs = BeautifulSoup(html, 'html.parser')
    return bs
url = 'https://www.uuzuowen.com/mingzhu/luanshijiaren/'
header = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'}

定义一个函数updatepages(),用于后面函数的调用

bs=updatepages(url,header)
link = bs.find('ul',{'class':''})

for into in link.find_all('li'):
    link1=into.find('a')['href']
    fnlink='https://www.uuzuowen.com/'+link1

    bs = updatepages(fnlink, header)
    we = bs.find('h1').get_text()  # 每一章的标题
    titles.append(we)
    bs = updatepages(fnlink, header)
    text = bs.find('div',{'class':'articleContent'})
    text=text.get_text()
    texts.append(text)
    with open('lsjr.txt','w',encoding='utf-8') as file:
        for i in range(len(titles)):
               print('{0:{2}<30}{1:{2}^12}'.format(titles[i], texts[i], chr(12288)))
               file.write(titles[i]) ## 参数只接受str
               file.write(texts[i]

这样爬取的数据就到了lsjr.txt

我怎么觉得这代码我也不是很清楚呢。。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
该资源内项目源码是个人的课程设计、毕业设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 该资源内项目源码是个人的课程设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值