石海三侠
首页
关于
暗色
(C:)
小说
农女成凰
血色万里
全部满分
白羽帝国
无敌俏丫鬟
九十九阶魔方
重生追美
神助攻
疯狂星期天
天命战警
技术
随笔
在小说站内容页中显示图片
iOS与nginx的孽缘,设置出错导致ssl不停报错
mccms漫城数据库配置文件保存位置
google play 测试链接位置!
jieqi cms 1.7加密免费版的章节模板位置
Mysql 3.7安全快速更新数据结构
在设置网站反向代理需要注意的问题
让宝塔面板识别cloudflare访问者的真实ip
设置为图床的服务器注意要点
webdrive 2019 映射驱动器到ubuntu
3072 object(s)
采集biqugezw.us
采集小说 ```python import requests # 导入requests模块,用于发送HTTP请求 # 设置请求头信息,包括Cookie和User-AgentYIJING headers = { 'Cookie': '', #这里删掉了我自己的信息 'User_Agent': '' #这里删掉了我自己的信息 } url = "https://www.biqugezw.us/book/329351/" # 目标URL地址 response = requests.get(url=url, headers=headers) # 发送GET请求获取网页内容 content = response.text # 获取响应的文本内容 # print(content) import re # 导入正则表达式模块 p = '
(.*?)
' content = re.findall(p, content, re.DOTALL) #print(content[1]) # p = '
(.*?)
' # 定义正则表达式匹配章节链接和标题 p = '
(\S+)
' chs = re.findall(p, content[1], re.DOTALL) # 使用正则表达式搜索所有匹配项 #print(chs) chapter = dict() # 创建一个空字典存储章节信息 for ch in chs: chapter[ch[1]] = "https://www.biqugezw.us/book/329351/" + ch[0] + ".html" # 将章节标题和完整URL添加到字典中 i = 1 # 初始化章节编号 #while i <= 7835: # chapter.pop('第{i}章') # 删除指定范围内的章节 # i += 1 for i in chapter: print(i, chapter[i]) # 打印剩余的章节信息 import json # 导入json模块 with open('chapters.txt', 'wt', encoding='utf-8') as file: json.dump(chapter, file) # 将章节信息保存到JSON文件中 ``` 采集章节 ```python import requests, re # 导入requests和re库,用于网络请求和正则表达式处理 import time, random # 导入time和random库,用于时间控制和随机数生成 import json # 导入json库,用于处理JSON数据 # 打开并读取chapters.txt文件,加载章节信息 with open("chapters.txt", encoding="UTF-8") as file: chs = json.load(file) # 设置HTTP请求头,包括Cookie和User-Agent headers = { 'Cookie': 'x-web-secsdk-uid=91a9b1fd-26c3-4a04-a5d7-444bbee22c10; Hm_lvt_2667d29c8e792e6fa9182c20a3013175=1732345091; HMACCOUNT=07C9417AE3A8436C; s_v_web_id=verify_m3ttjfuo_9hL0iFhg_9eld_4BFr_84Q0_7sguuhzNKDMe; csrf_session_id=03e5b6e78edf718e6881f63ca28cbc3c; novel_web_id=7440365449727313459; Hm_lpvt_2667d29c8e792e6fa9182c20a3013175=1732345426; ttwid=1%7C2zZ8x9gEPHxD4IjMlzwSZrSTLJvygVrVQ6WIc4ZRJIQ%7C1732345427%7Cdc1fe6dc4be7b1bd74911d679bc61b4e2a208030d1b5d174a0abd0750c917216', 'User_Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36 Edg/131.0.0.0' } # 遍历所有章节标题和URL for title, url in chs.items(): print(f"准备采集: {title}") # 打印当前正在采集的章节标题 response = requests.get(url, headers=headers) # 发起伪造请求获取网页内容 html = response.text # 获取响应的文本内容 #print(html) # 输出HTML内容用于分析(此行被注释) # 定义正则表达式匹配章节内容 p = '
((.|\n)+?)
' content = re.search(p, html, re.DOTALL) # 使用正则表达式搜索内容 content = content.group(1).strip() # 提取并去除首尾空白字符 # 数据清洗,移除不需要的标签和字符 content = re.sub("", "", content) content = re.sub(";", "", content) content = re.sub("
", "", content) content = re.sub("app2", "", content) content = re.sub("read2", "", content) content = content.replace("()", "") print(content) # 将清洗后的内容写入文件 with open("异兽迷城.txt", mode="at", encoding="utf-8") as file: file.write("\n\n-----------------------\n\n") # 分隔符 file.write("\n\n" + title + "\n\n") # 写入章节标题 file.write(content) # 写入章节内容 # 模拟用户请求间隔,休眠3到5秒 time.sleep(random.randint(3, 5)) print(f"{title} 章节采集完成") # 打印章节采集完成信息 # break # 中断循环(此行被注释) ```
← 上一篇:宝塔面板cf五秒盾插件,遇到CC DDOS攻击自动开盾
下一篇:cloudflare防CC、DDOs攻击保姆级教程,附带防御规则 →