最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python制作爬蟲采集小說

 更新時(shí)間:2015年10月25日 11:08:10   投稿:hebedich  
本文給大家分享的是使用Python制作爬蟲采集小說的代碼,非常的簡單實(shí)用,雖然還是有點(diǎn)瑕疵,大家一起改改,共同進(jìn)步

開發(fā)工具:python3.4
操作系統(tǒng):win8
主要功能:去指定小說網(wǎng)頁爬小說目錄,按章節(jié)保存到本地,并將爬過的網(wǎng)頁保存到本地配置文件。
被爬網(wǎng)站:http://www.cishuge.com/
小說名稱:靈棺夜行
代碼出處:本人親自碼的

import urllib.request
import http.cookiejar

import socket
import time
import re

timeout = 20
socket.setdefaulttimeout(timeout)

sleep_download_time = 10
time.sleep(sleep_download_time)
 
def makeMyOpener(head = {
 'Connection': 'Keep-Alive',
 'Accept': 'text/html, application/xhtml+xml, */*',
 'Accept-Language': 'en-US,en;q=0.8,zh-Hans-CN;q=0.5,zh-Hans;q=0.3',
 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko'
}):
 cj = http.cookiejar.CookieJar()
 opener = urllib.request.build_opener(urllib.request.HTTPCookieProcessor(cj))
 header = []
 for key, value in head.items():
  elem = (key, value)
  header.append(elem)
 opener.addheaders = header
 return opener
 
def saveFile(save_path,txts):
 f_obj = open(save_path,'w+')
 for item in txts:
  f_obj.write(item+'\n')
 f_obj.close()
 
#get_code_list
code_list='http://www.cishuge.com/read/0/771/'
oper = makeMyOpener()
uop = oper.open(code_list,timeout=1000)
data = uop.read().decode('gbk','ignore')

pattern = re.compile('<li><a href="(.*?)".*?>(.*?)</a></li>',re.S)

items = re.findall(pattern,data)

print ('獲取列表完成')
url_path='url_file.txt'

url_r=open(url_path,'r')
url_arr=url_r.readlines(100000)
url_r.close()
print (len(url_arr))

url_file=open(url_path,'a')

print ('獲取已下載網(wǎng)址')

for tmp in items:
 save_path = tmp[1].replace(' ','')+'.txt'
 url = code_list+tmp[0]
 if url+'\n' in url_arr:
  continue
 print('寫日志:'+url+'\n')
 url_file.write(url+'\n')
 opene = makeMyOpener()
 op1 = opene.open(url,timeout=1000)
 data = op1.read().decode('gbk','ignore')
 opene.close()
 pattern = re.compile('&nbsp;&nbsp;&nbsp;&nbsp;(.*?)<br />',re.S)
 txts = re.findall(pattern,data)
 saveFile(save_path,txts)
 
url_file.close()

雖然代碼還是有點(diǎn)瑕疵,還是分享給大家,一起改進(jìn)

相關(guān)文章

  • Python對ElasticSearch獲取數(shù)據(jù)及操作

    Python對ElasticSearch獲取數(shù)據(jù)及操作

    這篇文章主要為大家詳細(xì)介紹了Python對ElasticSearch獲取數(shù)據(jù)及操作,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-04-04
  • 用python實(shí)現(xiàn)詞云效果實(shí)例介紹

    用python實(shí)現(xiàn)詞云效果實(shí)例介紹

    大家好,本篇文章主要講的是用python實(shí)現(xiàn)詞云效果實(shí)例介紹,感興趣的同學(xué)趕快來看一看吧,對你有幫助的話記得收藏一下
    2022-01-01
  • python爬取代理ip的示例

    python爬取代理ip的示例

    這篇文章主要介紹了python爬取代理ip的示例,幫助大家更好的利用python進(jìn)行爬蟲,感興趣的朋友可以了解下
    2020-12-12
  • Python3+OpenCV實(shí)現(xiàn)簡單交通標(biāo)志識別流程分析

    Python3+OpenCV實(shí)現(xiàn)簡單交通標(biāo)志識別流程分析

    這篇文章主要介紹了Python3+OpenCV實(shí)現(xiàn)簡單交通標(biāo)志識別,主要思路是解析XML文檔,根據(jù)<name>標(biāo)簽進(jìn)行分類,如果是直行、右轉(zhuǎn)、左轉(zhuǎn)、停止就把它從原圖中裁剪下來并重命名,感謝的朋友跟隨小編一起看看示例代碼
    2021-12-12
  • 詳述numpy中的np.random.random()系列函數(shù)用法

    詳述numpy中的np.random.random()系列函數(shù)用法

    本文主要介紹了詳述numpy中的np.random.random()系列函數(shù)用法,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-03-03
  • python計(jì)算書頁碼的統(tǒng)計(jì)數(shù)字問題實(shí)例

    python計(jì)算書頁碼的統(tǒng)計(jì)數(shù)字問題實(shí)例

    這篇文章主要介紹了python計(jì)算書頁碼的統(tǒng)計(jì)數(shù)字問題實(shí)例,對比2個(gè)實(shí)例講述了數(shù)字統(tǒng)計(jì)的技巧,非常實(shí)用,需要的朋友可以參考下
    2014-09-09
  • python列表生成器迭代器實(shí)例解析

    python列表生成器迭代器實(shí)例解析

    這篇文章主要介紹了python列表生成器迭代器實(shí)例解析,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-12-12
  • Python3中多線程編程的隊(duì)列運(yùn)作示例

    Python3中多線程編程的隊(duì)列運(yùn)作示例

    這篇文章主要介紹了Python3中多線程編程的隊(duì)列運(yùn)作示例,文中用一個(gè)簡單的例子展示了Python下嘗試多線程時(shí)隊(duì)列的進(jìn)站出站是如何運(yùn)作的,需要的朋友可以參考下
    2015-04-04
  • Python+tkinter實(shí)現(xiàn)網(wǎng)站下載工具

    Python+tkinter實(shí)現(xiàn)網(wǎng)站下載工具

    這篇文章主要為大家詳細(xì)介紹了如何利用Python+tkinter實(shí)現(xiàn)網(wǎng)站下載工具,實(shí)現(xiàn)所有數(shù)據(jù)一鍵獲取,文中的示例代碼講解詳細(xì),感興趣的可以了解一下
    2023-03-03
  • 解決Python正則表達(dá)式匹配反斜杠''''\''''問題

    解決Python正則表達(dá)式匹配反斜杠''''\''''問題

    這篇文章主要介紹了Python正則表達(dá)式匹配反斜杠'\'問題 ,很多朋友在使用python 正則式的過程中,經(jīng)常被這個(gè)問題困擾,今天小編通過代碼給大家詳細(xì)介紹,需要的朋友可以參考下
    2019-07-07

最新評論

同江市| 望江县| 峡江县| 柳河县| 巴东县| 富裕县| 余庆县| 乌审旗| 黎川县| 万年县| 同心县| 温泉县| 无极县| 开封县| 博湖县| 武汉市| 安龙县| 广州市| 宿州市| 天柱县| 伊川县| 即墨市| 江孜县| 中卫市| 黄山市| 定西市| 安仁县| 大安市| 高安市| 安庆市| 西畴县| 寿光市| 海南省| 滕州市| 茶陵县| 高淳县| 韶山市| 星子县| 灵石县| 辽中县| 华宁县|