当前位置 : 主页 > 网络编程 > PHP >

爬取CSDN文章代码

来源:互联网 收集:自由互联 发布时间:2023-09-06
import requests import parsel import tomd import os import re #对一篇文章的爬取 def spider_csdn(title_url): # 目标文章的链接 head={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)


import requests
import parsel
import tomd
import os
import re

#对一篇文章的爬取
def spider_csdn(title_url): # 目标文章的链接
head={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36 Edg/84.0.522.52",
"Referer":
}
html=requests.get(url=title_url,headers=head).text
page=parsel.Selector(html)
#创建解释器
title=page.css(".title-article::text").get()
content=page.css("article").get()
content=re.sub("<a.*?a>","",content)
content = re.sub("<br>", "", content)
text=tomd.Tomd(content).markdown
#转换为markdown 文件
path = os.getcwd() # 获取当前的目录路径
file_name = "/passage"
final_road = path + file_name
try:
os.mkdir(final_road)
print('创建成功!')
except:
print('目录已经存在或异常')
with open(final_road+r"/"+title+".md",mode="w",encoding="utf-8") as f:
f.write("#"+title)
f.write(text)

def main():
print("本项目由tansty开发")
url = input("请输入网址:")
spider_csdn(url)

if __name__ == '__main__':
main()


上一篇:华为服务体系:ITR流程体系详解
下一篇:没有了
网友评论