最近学习了 html5 相关的网页标签的基础知识,这个对beautiful soup的应用理解有很多的帮助,于是重新整理了之前的代码。
有兴趣的可以参考。
import os
import requests
from bs4 import BeautifulSoup
file_path = 'D:\python3.6\scrapy\maoyan'
# 定义文件夹,方便后续check文件夹是否存在
file_name = 'maoyan.txt'
# 自定义文件名称
file = file_path+'\\'+file_name
# 创建文件全地址,方便后续引用
url = "http://maoyan.com/board/4"
# 获取url的开始页
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"}
if os.path.exists(file):
# 如果文件存在,就在程序运行开始头指针开始编辑,即清空原有内容;
# 如果文件不存在,就创建一个新文件
with open(file, 'w', encoding='utf-8') as f:
# 打开目标文件夹中的文件
f.truncate()
#清空文件内容,注意:仅当以 "r+" "rb+" "w" "wb" "wb+"等以可写模式打开的文件才可以执行该功能
def get_all_pages(start):
# 自定