欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

爬取小说——爬取标题和正文

程序员文章站 2022-05-02 22:16:11
...
def getItem(url,code):
    "爬取标题+正文,url=str此章节的"

    hd = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36 SLBrowser/7.0.0.4071 SLBChan/21"}
    url = url + code
    print(url) # 测试打印
    page = requests.get(url,headers=hd)
    page.encoding = page.apparent_encoding
    soup = BeautifulSoup(page.text, 'html.parser')

    tBody = soup.find('div',attrs={'class':"wrapper_main"})
    # title_M = tBody.find('div',attrs={'class':"h1title"}).h1.text
    text_M = tBody.find('div', attrs={'id': "htmlContent"})
    return text_M.text.replace("书首页        返回目录        下一页","").replace("上一页        返回目录        下一页","").replace("上一页        返回目录        书末页","")