欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python制作爬蟲采集小說

 更新時間: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,非常的簡單實用,雖然還是有點瑕疵,大家一起改改,共同進步

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()

雖然代碼還是有點瑕疵,還是分享給大家,一起改進

相關(guān)文章

  • python更換國內(nèi)鏡像源三種實用方法

    python更換國內(nèi)鏡像源三種實用方法

    這篇文章主要給大家介紹了關(guān)于python更換國內(nèi)鏡像源三種實用方法的相關(guān)資料,更換Python鏡像源可以幫助解決使用pip安裝包時速度過慢或無法連接的問題,需要的朋友可以參考下
    2023-09-09
  • 使用Python的urllib2模塊處理url和圖片的技巧兩則

    使用Python的urllib2模塊處理url和圖片的技巧兩則

    這篇文章主要介紹了使用Python的urllib2模塊處理url和圖片的兩個小技巧,分別是獲取帶有中文參數(shù)的url內(nèi)容和獲取遠程圖片的大小和尺寸,需要的朋友可以參考下
    2016-02-02
  • 深入理解Django的信號機制

    深入理解Django的信號機制

    本文主要介紹了深入理解Django的信號機制,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-02-02
  • OpenCV實戰(zhàn)記錄之基于分水嶺算法的圖像分割

    OpenCV實戰(zhàn)記錄之基于分水嶺算法的圖像分割

    在機器視覺中,有時需要對產(chǎn)品進行檢測和計數(shù),其難點無非是對于產(chǎn)品的圖像分割,這篇文章主要給大家介紹了關(guān)于OpenCV實戰(zhàn)記錄之基于分水嶺算法的圖像分割的相關(guān)資料,需要的朋友可以參考下
    2023-02-02
  • Pytorch實現(xiàn)tensor序列化和并行化的示例詳解

    Pytorch實現(xiàn)tensor序列化和并行化的示例詳解

    這篇文章主要介紹了Pytorch實現(xiàn)tensor序列化和并行化,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,感興趣的同學(xué)們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-12-12
  • Python 如何對文件目錄操作

    Python 如何對文件目錄操作

    這篇文章主要介紹了Python 如何對文件目錄操作,文中示例代碼非常詳細,幫助大家更好的理解和學(xué)習(xí),感興趣的朋友可以了解下
    2020-07-07
  • 利用matplotlib實現(xiàn)兩張子圖分別畫函數(shù)圖

    利用matplotlib實現(xiàn)兩張子圖分別畫函數(shù)圖

    這篇文章主要介紹了利用matplotlib實現(xiàn)兩張子圖分別畫函數(shù)圖問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-08-08
  • python中文本字符處理的簡單方法記錄

    python中文本字符處理的簡單方法記錄

    這篇文章主要給大家介紹了關(guān)于python中文本字符處理的簡單方法,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2021-03-03
  • python爬取微信公眾號文章

    python爬取微信公眾號文章

    這篇文章主要為大家詳細介紹了python爬蟲實戰(zhàn)案例,微信公眾號文章的爬取,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-08-08
  • python3處理word文檔實例分析

    python3處理word文檔實例分析

    在本篇文章里小編給大家分享了一篇關(guān)于python3處理word文檔實例分析內(nèi)容,有興趣的朋友們可以參考下。
    2020-12-12

最新評論