爬取洛谷所有的题库内容

from time import sleep

import requests
from bs4 import BeautifulSoup

import os

if __name__ == '__main__':
    # UA伪装
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'
    }
    for i in range(1, 195):
        # 1.指定url
        url = f'https://www.luogu.com.cn/problem/list?orderBy=name&order=asc&page={i}'
        # 2.发起请求,获取结果
        response = requests.get(url=url, headers=headers).content
        # 3.解析数据
        soup = BeautifulSoup(response, 'lxml')
        t_url_len = len(soup.find_all('a'))
        for t in range(0, t_url_len - 2):
            sleep(1)
            t_url = 'https://www.luogu.com.cn/problem/' + soup.select('a')[t]['href']
            # print(t_url)
            content = requests.get(url=t_url, headers=headers).content
            content_soup = BeautifulSoup(content, 'lxml')
            # get_text()会移除一些运算符
            t_content = content_soup.get_text()
            # print(t_content)
            # 持久化存储
            fp = open(f'./题库/{soup.select("a")[t]["href"]}.md', 'w', encoding='utf-8')
            fp.write(t_content)
            print(f'{soup.select("a")[t]["href"]}爬取成功!')
            t += 1
        i += 1
        # print(t_url_len)

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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