python爬虫练习2——豆瓣读书
豆瓣网站禁止了爬虫爬取,需要对其进行简单的反爬虫处理后才可进行提取。
https://book.douban.com/robots.txt
F12,找到 User-agent ,在爬虫程序中进行添加。
import requests import re for i in range (1,5): url = 'https://book.douban.com/series/39838?page='+str(i) ua = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36 Edg/91.0.864.59'} print('第'+str(i)+'页:',url) r = requests.get(url ,headers = ua , timeout = 30) pat = 'title=(.*?)onclick' til = re.compile(pat,re.S).findall(r.text) print(til) print('---------------')
看着比较乱,我们进行加工处理:
import requests import re for i in range (1,5): url = 'https://book.douban.com/series/39838?page='+str(i) ua = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36 Edg/91.0.864.59'} print('第'+str(i)+'页:',url) r = requests.get(url ,headers = ua , timeout = 30) pat = 'title=(.*?)onclick' til = re.compile(pat,re.S).findall(r.text) #print(til) for item in til: print(str(item)) print('--------------')
这样就好多了
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
· 分享4款.NET开源、免费、实用的商城系统
· 全程不用写代码,我用AI程序员写了一个飞机大战
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· 白话解读 Dapr 1.15:你的「微服务管家」又秀新绝活了
· 上周热点回顾(2.24-3.2)