标签:except end ISE bsp books tor cep python 爬虫 lin
小说网 https://www.qu.la/paihangbang/
功能:抓取每个排行榜内的小说名和对应链接,然后写入excel表格里面。
按F12 审查页面元素可以得到你所要的信息的class,从而来定位。
具体看代码讲解吧。
#coding:utf-8 #为了正常转码 必写 import codecs #为下面新建excel,转码正确准备得一个包 __author__ = ‘Administrator‘ import requests from bs4 import BeautifulSoup """
get_html函数是为了抓取对应url的html页面,然后返回这个页面。
其实也可以全部写入一个函数,不过这样就会显得函数很臃肿。
将这种公共函数独立来写,进行封装,有助于以后重复利用。
""" def get_html(url): try: r = requests.get(url,timeout = 3000) r.raise_for_status r.encoding = ‘utf-8‘ return r.text except: return """
get_content函数是用来提取你所需要的信息的,并把信息写入excel表格。
""" def get_content(url): url_list = [] html = get_html(url).encode(‘utf-8‘) soup = BeautifulSoup(html, "html.parser") category_list = soup.find_all(‘div‘, class_=‘index_toplist mright mbottom‘) history_list = soup.find_all(‘div‘, class_ = ‘index_toplist mbottom‘) for cate in category_list: name = cate.find(‘div‘, class_ = ‘toptab‘).span.text name = name.encode(‘utf-8‘) with codecs.open(‘novel_list.csv‘,‘a+‘,‘utf-8‘) as f: f.write(‘\n小说种类:{}\n‘.format(name)) book_list = cate.find(‘div‘, class_ = ‘topbooks‘).find_all(‘li‘) for book in book_list: link = ‘http://www.qu.la/‘+book.a[‘href‘] title = book.a[‘title‘].encode(‘utf-8‘) url_list.append(link) with codecs.open(‘novel_list.csv‘,‘a+‘,‘utf-8‘) as f: f.write(‘小说名:{} \t 小说地址:{}\n‘.format(title,link)) for cate in history_list: name = cate.find(‘div‘, class_=‘toptab‘).span.string with codecs.open(‘novel_list.csv‘,‘a+‘,‘utf-8‘) as f: f.write("\n小说种类:{} \n".format(name)) general_list = cate.find(style=‘display: block;‘) #找到总排行榜 book_list = general_list.find_all(‘li‘) for book in book_list: link = ‘http://www.qu.la/‘ + book.a[‘href‘] title = book.a[‘title‘] url_list.append(link) with codecs.open(‘novel_list.csv‘,‘a+‘,‘utf-8‘) as f: f.write("小说名:{:<} \t 小说地址:{:<} \n".format(title, link)) return url_list def main(): # 排行榜地址 base_url = ‘http://www.qu.la/paihangbang/‘ # 获取排行榜中所有小说链接 url_list = get_content(base_url) if __name__==‘__main__‘: main()
本次主要是记录编码问题。
编写完后run完出来是一个乱码的excel表格
然后就开始进行debug
在每一步设置断点,观察每个变量 name title这些到底是用什么编码
现在这个版本,我基本是都加上了.encode(‘utf-8‘)
出来时每一个都是string变量
可是加了后还是乱码。
然后我尝试把信息写入txt文档,发现成功了。
所以问题在于写入excel,excel不能正确编码,所以我改成了codecs.open(‘novel_list.csv‘,‘a‘,‘utf-8‘)
最终成功解决问题。
思路仅供参考 编码问题一直都会有,真的是头大。
标签:except end ISE bsp books tor cep python 爬虫 lin
原文地址:https://www.cnblogs.com/IrisLee/p/9157084.html