Python爬虫:学习啦网站文章内容爬取

免责声明:代码仅作技术交流使用,如有侵权请联系本人删除!

起因就是想白嫖形政作业时这个网站告诉我复制要扫码或者收费
我:???

在这里插入图片描述

不好意思
流氓会武术
谁也挡不住

import requests
from requests.exceptions import HTTPError
import re

def GetHTML(url,path):       
    try:
        res=requests.get(url)
        res.raise_for_status()
        coding=res.encoding
        with open(path,"w+",encoding=coding) as MyFile:
            MyFile.write(res.text)
        
    except HTTPError:
            print("HTTP Error!")
        
    except ConnectionError:
        print("Failed to connect!")
def DataWash(path):
    mid=[]
    final=[]
    with open(path,"r",encoding="gbk") as ReadFile:           
            MyLines=ReadFile.readlines()                      
            for ML in MyLines:  
                            
                if re.search("img",ML)==None and re.search("</p>",ML)!=None:
                    mid.append(ML)           
            for i in mid:                
                i=re.sub("<.+?>"," ",i)
                i=re.sub("&.+?;"," ",i)               
                final.append(i)
    return final
def SaveFile(final,path):
    with open(path,"w+",encoding="gbk") as FinalFile:
            for i in final:               
                if len(i)!=0:
                    FinalFile.write(i)
                    FinalFile.write("\n")

if __name__=='__main__':
    url=input('输入学习啦url')   
    path=input('输入存放路径')
    GetHTML(url,path)
    final=DataWash(path)
    SaveFile(final,path)
    print('Done')


效果如下
在这里插入图片描述

  • 0
    点赞
  • 1
    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