def get_links_from(channel, pages, who_sells=0):
list_view = '{}{}/pn{}/'.format(channel, str(who_sells), str(pages))
wb_data = requests.get(list_view)
time.sleep(1)
soup = BeautifulSoup(wb_data.text, 'lxml')
if soup.find('td', 't'): #判断页面是否是要爬的正常页面
for link in soup.select('td.t a.t'):
item_link = link.get('href').split('?')[0]
if 'zhuanzhuan' in item_link:
pass
else:
url_list.insert_one({'url': item_link})
print(item_link)
# return urls
else:
# It's the last page !
pass
内容url获取蜘蛛
最后编辑于 :
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
相关阅读更多精彩内容
- 一、背景。 将以下地址请求服务器时,如果postUrl中某个参数值包含符号+ 那么在服务器获取到这个参数值时,其加...
- Node.js读取文件内容包括同步和异步两种方式。 1、同步读取,调用的是readFileSync varrf=r...
- 我遇到的问题,和这个外国人问题一样,因为app有名字,导致restframework使用HyperlinkedMo...