爬取文章

import requests
from lxml import etree
from bs4 import BeautifulSoup
import os

resp = requests.get('http://www.748219.com/')
resp.encoding = 'utf-8' #编码方式
#print(resp.text)

book = resp.text
html = etree.HTML(book)

#提取详情页链接
book_url = html.xpath('//div[@class="item"]/ul/li/a/@href')
#提取名称
book_name = html.xpath('//div[@class="item"]/ul/li/a/text()')
#print(book_url,book_name)
#将名称与链接一一对应
book_data = list(zip(book_name,book_url))
#print(book_data)
print('准备提取')
#提取文章
if not os.path.exists("美文"):
    os.mkdir("美文")
for name,url in book_data:
    #print(name,url)
    #获取源代码
    response = requests.get(url)
    response.encoding = 'utf-8'
    #提取文本
    soup = BeautifulSoup(response.text,'lxml')#源代码,lxml解析HTML代码
    test = soup.find('div',id='zoomtext').text.strip()
    print(test)
    path = './美文/'
    print('准备打印')
    with open(path + name + ".txt", "a", encoding="utf-8") as f:
        f.write(test)
        print("正在保存--%s" % name)



#将数据保存到电脑


  • 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