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。