网络爬虫

import re
import requests
url='http://www.shushun.cc/read_9444/'  #需要爬取的网址
req=requests.get(url)
req.encoding='gbk'  #将编码转为gbk格式
book_name=re.findall('<h1>(.*?)</h1>',req.text)[0]  #取得书名
mulu=re.findall('class="f-green shushu">(.*?)</a>',req.text)  #取得所有章节的目录
# for i in range(2,len(mulu)):
#     print(mulu[i])
wangzhi=re.findall('<a href="(.*?).html"',req.text)  #取得所有章节的正文网址
 for i in range(len(wangzhi)):
     print(f'http://www.shushun.cc{wangzhi[i]}.html')
# print(len(wangzhi))
dict1={}
for i in range(len(mulu)):
    dict1[mulu[i]]=f'http://www.shushun.cc{wangzhi[i]}.html'
for k,v in dict1.items():
    print(k,v)
    
  • 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