python:爬取完整版斗罗大陆并保存

#爬取单章节的文字内容
from urllib import request
from bs4 import BeautifulSoup
from urllib.error import HTTPError
#第6章的网址
def book(i):
    url='https://dldl1.nsbuket.cc/xiaoshuo/douluodalu/{}.html'.format(i)
    head={}
    head['User-Agent']='https://dldl1.nsbuket.cc/xiaoshuo/douluodalu/{}.html'.format(i)
    try:
        reg =request.Request(url,headers=head)
        response = request.urlopen(reg)
        html = response.read()
        #   创建 request 对象
        soup = BeautifulSoup(html, 'lxml')
        title = soup.find(name='h1')
        soup_text = soup.find(name='div', attrs={"class": "m-post"})
        return title,soup_text
    except HTTPError as e:
        if e.code == 404:
            return None
file = open(r'斗罗大陆.txt', 'w',encoding='utf-8')
a=0
for i in range(1,218020):
    bo=book(i)
    if bo is not None:  # 检查book_text是否不是None
        ti = book(i)[0].text
        te=book(i)[1].text
        a=a+1
        #b='第{}章'.format(a)
        #file.write(b)
        #for bo in bo:
        print(ti,te)
        file.write('\n'+ti + '\n'+ te + '\n')
          # 输出文本内容
    else:
        continue
    #if reg.status_code == 404:
        #continue

#并输出其中的文本
file.close()

可以爬标题,文本内容,用了一个报错防止网页404,存到记事本里

  • 4
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
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