# 導入包
import requests
from lxml import etree
#請求url
url = 'http://www.ygdy8.com/'
#構造headers字典
headers = {
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate',
'Accept-Language': 'zh-CN,zh;q=0.8',
'Cache-Control': 'max-age=0',
'Connection': 'keep-alive',
'Cookie': 'UM_distinctid=15c5ec4f20e377-0798b30518d6b4-5393662-c0000-15c5ec4f20f28b; CNZZDATA5783118=cnzz_eid%3D1150691004-1496237600-%26ntime%3D1496237600; 37cs_user=37cs10138604998; cscpvrich4016_fidx=1; 37cs_show=69',
'Host': 'www.ygdy8.com',
'If-Modified-Since': 'Sun, 27 Aug 2017 15:18:27 GMT',
'If-None-Match': "802356bb471fd31:530",
'Referer': 'https://www.baidu.com/link?url=cnL9usny1BIZEe-NZUkUbeUE4m9CM23KIysNUsVvzlK&wd=&eqid=c50f090f0001d9880000000259a2e4b0',
'Upgrade-Insecure-Requests': '1',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.101 Safari/537.36'
}
#定義req為一個requests請求的對象
req = requests.get(url,headers=headers)
#req這個請求對象的status_code方法獲取請求的狀態(tài)碼
status_code = req.status_code
print(status_code)
#指定網頁解碼方式
req.encoding = 'gb2312'
#獲取網頁源碼 用html變量接收 text content方法靈活運用
html = req.text
selector=etree.HTML(html)
# 查詢div的id為menu下的div的class為contain下的a標簽不包含onclick事件的所有href
infos = selector.xpath('//div[@id="menu"]/div[@class="contain"]/ul/li[position()<14]/a')
for info in infos:
menu_url=url+info.xpath('@href')[0]
menu_name=info.xpath('text()')[0]
print(menu_name,menu_url)
if menu_url=='http://www.ygdy8.com//html/gndy/index.html' or menu_url=='http://www.ygdy8.com/html/gndy/jddy/20160320/50541.html':
continue
else:
res2 = requests.get(menu_url)
res2.encoding = 'gb2312'
html2 = res2.text
#print(html2)
selector2 = etree.HTML(html2)
page_total = selector2.xpath('//div[@class="x"]/td/text()')[0].strip().split('/')[0].replace('共', '').replace(
'頁', '')
right_url = selector2.xpath('//div[@class="x"]//a[1]/@href')[0].replace('2.html', '')
# #infos=selector2.xpath('//a[@class="ulink"]')
# #print(len(infos))
# print(page_total, right_url)
# 最新電影菜單下共有165個分頁, 構造出165個url
# 存進url_list
# 國內影片菜單下共有93個頁面, 構造出93個url
# 存進url_list
url_list = []
left_url = menu_url.replace('index.html', '')
new_menu_url = left_url + right_url
for page in range(1,int(page_total)+1):
req_url=new_menu_url+str(page)+'.html'
# print(page,req_url)
url_list.insert(page,req_url)
print(len(url_list))
for list in url_list:
print(list)
【Python爬蟲】-第四期課后練習14
最后編輯于 :
?著作權歸作者所有,轉載或內容合作請聯系作者
- 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來逗堵,“玉大人秉氧,你說我怎么就攤上這事⊙殉樱” “怎么了汁咏?”我有些...
- 正文 為了忘掉前任漂问,我火速辦了婚禮,結果婚禮上女揭,老公的妹妹穿的比我還像新娘蚤假。我一直安慰自己,他們只是感情好吧兔,可當我...
- 文/花漫 我一把揭開白布磷仰。 她就那樣靜靜地躺著,像睡著了一般境蔼。 火紅的嫁衣襯著肌膚如雪灶平。 梳的紋絲不亂的頭發(fā)上,一...
- 文/蒼蘭香墨 我猛地睜開眼疮鲫,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了弦叶?” 一聲冷哼從身側響起,我...
- 正文 年R本政府宣布有勾,位于F島的核電站疹启,受9級特大地震影響,放射性物質發(fā)生泄漏蔼卡。R本人自食惡果不足惜喊崖,卻給世界環(huán)境...
- 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望雇逞。 院中可真熱鬧荤懂,春花似錦、人聲如沸塘砸。這莊子的主人今日做“春日...
- 文/蒼蘭香墨 我抬頭看了看天上的太陽谣蠢。三九已至粟耻,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間眉踱,已是汗流浹背挤忙。 一陣腳步聲響...