栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

python爬虫Request使用

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

python爬虫Request使用

import requests
import os,re

class GetStaticWeb:
    def __init__(self) -> None:
        self.headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36 Edg/100.0.1185.50'}
    
    def getHtml(self,url):
        return requests.get(url,headers=self.headers)
    
    def openHtml(self,res,name='out.html'):
        f = open(name, 'w',encoding=res.encoding)
        f.write(res.text)
        # os.startfile(name)

    def analysisHtml(self,res):
        # html解码
        html=res.text.encode(res.encoding).decode('utf-8')
        html=re.sub(r'r',r'n',html)

        # 获取小说正文
        chapter=re.search(r'.*(第.*章.*)<',html).group(1)
        print(f'正在获取 {chapter}')
        content=re.search(r'[wW]*?',html).group()
        content=re.sub(r'(<.*?>)|(&.*?;)','',content)
        content=re.sub(r'nn',r'n',content)
        text=chapter+'n'+content+'n'+res.url+'nn'

        # 获取下一章链接
        nextUrl='https://www.99mk.com'+re.search(r'href="(.*)">下一章',html).group(1)

        return text,res.url,nextUrl

    def saveTxt(self,text,url,name='踏星.txt'):
        f = open(name, 'r+',encoding='utf-8')
        if not url in f.read():
            f.write(text)
            return True
        return False

    def getStartUrl(self,name='踏星.txt'):
        f = open(name, 'r',encoding='utf-8')
        return f.readlines()[-2]

if __name__=='__main__':
    g=GetStaticWeb()
    nextUrl=g.getStartUrl()
    while 'html' in nextUrl:
        res=g.getHtml(nextUrl)
        # g.openHtml(res)
        text,url,nextUrl=g.analysisHtml(res)
        g.saveTxt(text,url)

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/857076.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号