diff --git a/zsjie.py b/zsjie.py deleted file mode 100644 index 34fcf46..0000000 --- a/zsjie.py +++ /dev/null @@ -1,55 +0,0 @@ -from dbm import error - -import requests -from bs4 import BeautifulSoup -import openpyxl -import re - - -range_start = 40000 -range_end = 50000 -# 创建Excel工作簿和工作表对象 -workbook = openpyxl.Workbook() -sheet = workbook.active -sheet.title = 'Web Data' -sheet._current_row = 1 -rownum = 1 -sheet.append(['id', 'URL', 'Title', 'Tags', 'update_date', 'source', 'password']) # 标题行 - -# 定义起始URL模板和范围(假设是五位数字) -url_template = 'https://www.zsjie.com/¥num.html' -num_range = range(range_start, range_end) # 从10000到99999的五个数字组合范围 - -headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"} - -# 循环遍历所有可能的URL并获取数据 -for num in num_range: - url = url_template.replace('¥num', str(num)) # 构建URL - print(url) - try: - response = requests.get(url, headers=headers) # 发起网络请求获取网页内容 - if response.status_code == 200: # 检查请求是否成功 - soup = BeautifulSoup(response.content, 'html.parser') # 解析HTML内容 - # print(soup) - # 使用CSS选择器定位目标元素,以下CSS选择器需根据实际情况更改 - el = soup.select('.entry-title') - if len(el) < 1: - continue - title = soup.select('.entry-title')[0].text.replace('\n', '').replace(' ', '').replace('\'', '') - tags = soup.select('.meta-category > a')[0].text - update_date = soup.select('.meta-date > time')[0].text.replace('\n', '').replace(' ', '').replace('\'', - '') - rownum += 1 - sheet._current_row = rownum - sheet.append([num, url, title, tags, update_date]) - else: - print(url, response.status_code) - except Exception as e: - print(url) - print(e) - continue - -workbook.save('web_data' + str(range_start) + '-' + str(range_end) + '.xlsx') # 请注意更改此路径为你的输出路径及文件名需求。如果存在同名文件将被覆盖。需要小心操作以防止意外覆盖原有文件。 ​​​​​​​最后请确保脚本运行在有足够权限的环境下,并且正确处理了可能出现的异常。注意检查网页结构是否稳定,因为网页结构的变化可能导致脚本失效。同时,请遵守网站的爬虫政策以避免不必要的麻烦。 - - -