20行代碼簡單python爬蟲,爬蟲實例

来源:https://www.cnblogs.com/liuyebai/archive/2022/11/05/16858285.html
-Advertisement-
Play Games

函數介紹 函數功能簡單介紹 庫函數介紹 import requests#請求網頁 from lxml import etree#對網頁進行解析 函數功能介紹 函數1 def getdata(url): html=requests.get(url).text # print(html) doc=etr ...


函數介紹

 

函數功能簡單介紹

 

庫函數介紹 

import requests#請求網頁
from lxml import etree#對網頁進行解析

函數功能介紹 

 

函數1 

def getdata(url):
    html=requests.get(url).text
    # print(html)
    doc=etree.HTML(html)#構造xpath的解析對象
    contents=doc.xpath('//*[@class="cf"]/li')
    # print(contents)
    for content in contents:
        links=content.xpath('h2/a/@href')
        for link in links:
            hurl="https:"+link#小說某一章的網址
            html=requests.get(hurl).text#獲取到源代碼
            doc=etree.HTML(html)#構造xpath解析對象
            title=doc.xpath('//*[@class="text-wrap"]/div/div[1]/h3/span[1]/text()')
            content=doc.xpath('//*[@class="read-content j_readContent"]/p/text()')
            with open('novel/%s.txt'%title[0],mode='w',encoding='utf-8') as f:
                for abd in content:
                    f.write(abd)

函數功能比較簡單,所以就沒有對其中的保存小說的函數進行封裝,有興趣的可以自己嘗試一下。

 

完整代碼 

 
#獲取起點小說的爬蟲程式
#倒推法
import requests
from lxml import etree
url="https://book.qidian.com/info/1979049/#Catalog"#小說的網址
def getdata(url):
    html=requests.get(url).text
    # print(html)
    doc=etree.HTML(html)#構造xpath的解析對象
    contents=doc.xpath('//*[@class="cf"]/li')
    # print(contents)
    for content in contents:
        links=content.xpath('h2/a/@href')
        for link in links:
            hurl="https:"+link#小說某一章的網址
            html=requests.get(hurl).text#獲取到源代碼
            doc=etree.HTML(html)#構造xpath解析對象
            title=doc.xpath('//*[@class="text-wrap"]/div/div[1]/h3/span[1]/text()')
            content=doc.xpath('//*[@class="read-content j_readContent"]/p/text()')
            with open('novel/%s.txt'%title[0],mode='w',encoding='utf-8') as f:
                for abd in content:
                    f.write(abd)
a=getdata(url)

函數功能介紹 

 

 

 

 

 

 

 學習了entree對網頁源碼進行解析,requests庫對網頁進行解析獲得源碼,同時代碼中還用到了獲取標簽xpath的方法,xpath的解析將在下一篇文章進行解析。
您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 限流概述 系統存在服務上限,流量超過服務上限會導致系統卡死、崩潰。 限流:為了在高併發時系統穩定可用,犧牲或延遲部分請求流量以保證系統整體服務可用。 限流演算法 固定視窗計數 將時間劃分為多個視窗; 在每個視窗內每有一次請求就將計數器加一; 如果計數器超過了限制數量,則本視窗內所有的請求都被丟棄當時間 ...
  • 前後端分離開發,後端需要編寫接⼝說明⽂檔,會耗費⽐較多的時間。 swagger 是⼀個⽤於⽣成伺服器接⼝的規範性⽂檔,並且能夠對接⼝進⾏測試的⼯具。 作用 ⽣成接⼝說明⽂檔 對接⼝進⾏測試 使用步驟 添加依賴 <!--swagger--> <dependency> <groupId>io.sprin ...
  • 原文鏈接:https://www.zhoubotong.site/post/87.html 之所以寫這篇文章,是覺得裡面有些細節如果不註意,很容易出錯或踩坑,網上有很多教程對這塊的描述部分存在錯誤。希望下麵的介紹能給大家帶來幫助。 大家知道當我們需要初始化類中的成員變數時,除了可以直接在構造函數裡面 ...
  • 前言 大家早好、午好、晚好吖~ 問題描述 相信很多剛開始使用pycharm不太熟練的小伙伴, 每天一開機打開pycharm總是卡半天,不知道的還以為是電腦卡了或者啥問題的。 莫慌,其實並不是… 今天我們就來解決一下這個問題 解決方法 大致總結了以下這幾種方法 1、exclude不必要文件 依次打開 ...
  • 本文主要介紹 Logstash 的一些常用輸出插件;相關的環境及軟體信息如下:CentOS 7.9、Logstash 8.2.2。 1、Stdout 輸出插件 Stdout 插件把結果數據輸出到標準輸出。 input { stdin { } } output { stdout { } } 2、Fil ...
  • 2022-11-04 一、元數據 1、元數據的說明: 元數據就是指描述數據的數據,例如:數據有多少列、數據的列名稱等。 2、使用的代碼: 1 ResultSetMetaData metaData = rs.getMetaData(); 2 int columnCount = metaData.get ...
  • 哈嘍,兄弟們, 本文帶大家複習一下Python基礎中的字元串,不知道大家還記得多少內容呢? 字元串 1、字元串就是一系列字元 在python中,用引號括起的都是字元串,其中引號可以是單的,也可以是雙的。例如: “i am not happy” ‘i am not happy’ 這種靈活性能在字元串中 ...
  • 一、Statement對象 Jdbc中的statement對象用於向資料庫發送SQL語句,想完成對資料庫的增刪改查,只需要通過這個對象 向資料庫發送增刪改查語句即可。 Statement對象的executeUpdate方法,用於向資料庫發送增、刪、改的sql語句,executeUpdate執行 完後 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...