小说悍妃天下爬取 正则表达式

import requests
import re
import time
import os
#使用正则表达式的方法,少了解析数据这一步。通过requests库返回请求的HTML文件就是字符串的类型,可以直接提取数据
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36'}

##获取信息
def get_info(url):
    r = requests.get(url,headers=headers)
    infos = re.findall("<p>(.*?)</p>",r.content.decode("utf-8"),re.S) #re.S 匹配包括换行在内的所有字符
    return infos

##建立目录
def mkdir(path):
    path = path.strip()
    isExists = os.path.exists(path)
    if not isExists:
        os.mkdir(path)
    else:
        pass

if __name__ == "__main__":
    r = requests.get("http://www.quanshuwu.com/book/2039.aspx",headers=headers)
    base_url = "http://www.quanshuwu.com"
    contents = re.findall('<li><a href="(.*?)">(.*?)</a></li>',r.content.decode("utf-8"))
    for content in contents:
        target_url = content[0]
        name = content[1]
        url = base_url + target_url
        mkdir("悍妃")
        with open("E:\python爬虫\悍妃天下\悍妃/" + name + ".txt","w") as f:
            f.writelines(get_info(url))
        time.sleep(1)

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