python爬取csdn博客文章,带格式进行存入本地文件。

列表页

在啊啊啊啊啊啊
解析网站
找到url,进行爬取

import re
import requests
from lxml import etree
import o

headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 8.0.0; Pixel 2 XL Build/OPD1.170816.004) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Mobile Safari/537.36',
}

for i in range(100):

    url_list = f'https://blog.csdn.net/community/home-api/v1/get-business-list?page={i}&size=20&businessType=lately&noMore=false&username=weixin_45195493'

    rep_list = requests.get(url_list,headers=headers).text
    url_l = re.findall('"url":"(.*?)"',rep_list)
    if url_l !=[]:
        for url in  url_l:

            lj_name = url.split('/')[-1]

            list_res = requests.get(url,headers=headers)
            
            r = etree.HTML(list_res.text)
            title = ''.join(r.xpath('//div[@id="content_views"]//text()'))..replace('\','-')#将斜线换掉

            content_text = r.xpath('//div[@id="content_views"]')  # 正文

            content_text = str(etree.tostring(content_text[0], encoding='utf-8'), encoding='utf-8')


            filename = f'D:/lf/day12/md/{lj_name}/'#文件路径

            if not os.path.exists(filename):  # 判断创建文件夹
                os.makedirs(filename)

            with open(filename+ title + '.text', 'w', encoding='utf-8') as f:

                f.write(content_text)

            print('okok')


    else:
        break

  • 1
    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