• txt保存


    全代码:

    import requests
    from bs4 import BeautifulSoup
    import os
    import time
    import sys
    import io
    sys.stdout=io.TextIOWrapper(sys.stdout.buffer,encoding='gb18030')
    #找到网址
    def getDatas():
        header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}
        url="https://movie.douban.com/top250"
        # url="file:///E:/scrapy/2018-04-27/movie/movie.html"
        # 打开网页
        res=requests.get(url,headers=header)
        # 转化格式
        response=BeautifulSoup(res.text,'html.parser')
        # 找到想要数据的父元素
        datas=response.find_all('div',{'class':'item'})
        # print(datas)
        #创建存放数据的文件夹
        folder_name="output"
        if not os.path.exists(folder_name):
                os.mkdir(folder_name)
        # 定义文件
        current_time=time.strftime('%Y-%m-%d',time.localtime())
        file_name="move"+current_time+".txt"
        # 文件路径
        file_path=folder_name+"/"+file_name
        for item in datas:
            print(item)
            rank=item.find('div',{'class':'pic'}).find('em').get_text()
            title=item.find('div',{'class':'info'}).find('div',{'class':'hd'}).find('a').find('span',{'class':'title'}).get_text()
            picUrl=item.find('div',{'class':'pic'}).find('a').find('img').get('src')
            print(picUrl)
            # 保存数据为txt格式
            try:
                with open(file_path,'a',encoding="utf-8") as fp:
                    fp.write("排名:"+rank+'
    ')
                    fp.write("标题:"+title+'
    ')
                    fp.write("图片路径:"+picUrl+'
    
    ')
            except IOError as err:
                print('error'+str(err))
            finally:
                fp.close()
        pass
    getDatas()

    当然了 爬取过程中不免有各种各样的问题出现 我出现 408 错误;网上找到408  错误说是触发了反爬取;

    解决办法:

     header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}
        url="https://movie.douban.com/top250"
        # url="file:///E:/scrapy/2018-04-27/movie/movie.html"
        # 打开网页
        res=requests.get(url,headers=header)

    就ok了

    然后是结果:

  • 相关阅读:
    实战-rsync+inotify打造文件实时备份
    实战-Mysql5.6.36脚本编译安装及初始化
    实战-CentOS6.8配置nfs服务
    CentOS7操作系统初始化
    docker搭建 SonarQube代码质量管理平台
    ubuntu 教程
    前端图表库
    WebSSH2安装过程可实现WEB可视化管理SSH工具
    devops 自动化平台网址
    AIops 智能运维平台
  • 原文地址:https://www.cnblogs.com/1208xu/p/11913030.html
Copyright © 2020-2023  润新知