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","")
上一篇: 从头学习爬虫(二十五)重构篇----WebMagic框架分析之细节
下一篇: 智联招聘爬虫