标签:返回 replace 锤子 open requests imp enc 完成 code
1 import re 2 import requests 3 from bs4 import BeautifulSoup 4 5 url = ‘http://www.biquge6.com/11_11147/‘ 6 r = requests.get(url) 7 b = BeautifulSoup(r.content.decode(‘gbk‘)) 8 h = b.find_all(href = re.compile(‘/11_11147/‘)) #正则匹配属性值带有/104_104216/的href标签,并返回正则模式对象h 9 10 list_len = len(h) #剔除掉最新12章节 11 print(‘开始下载:‘) 12 i = 1 13 for each in h: 14 print(‘正在下载第‘ + str(i) + ‘章,共‘ + str(list_len) + ‘章‘) 15 url1 = url + each.get(‘href‘)[10:] #,获取其中一个超链接地址第12位后的链接地址 16 re = requests.get(url1) #每章节完整链接地址 17 bs = BeautifulSoup(re.content.decode(‘gbk‘)) #获取章节数据 18 t = bs.find_all(‘h1‘)[0].text[1:] #find_all获取章节文章标题,[0].text[1:]截取标题内容 19 20 content = bs.find_all(id = ‘content‘)[0].text # 数据清洗,清除html的多余标签 21 content = content.replace(‘\xa0‘*8,‘ ‘).replace(‘ ‘, ‘‘).replace(‘\n\r‘, ‘\n‘) 22 content = t + ‘\n\n‘ + content +‘\n\n\n\n‘ # 将标题和内容整合 23 with open(‘雪中悍刀行.doc‘, ‘a‘, encoding=‘utf-8‘) as f: 24 f.write(content) 25 i+=1 26 print(‘下载完成!‘)
----左手举个栗子,右手举个锤子----
标签:返回 replace 锤子 open requests imp enc 完成 code
原文地址:https://www.cnblogs.com/Luoters/p/11801539.html