一、文本

右擊選擇”檢查“，在network-js里以0.json開頭的網絡請求為單頁文本請求。在每一頁請求返回的response的json中，屬性c存儲了每一行的文字。因此，將所有頁的url請求一遍，且每一頁解析出json里屬性c對應的每一行文本，即為整個文檔內容。


代碼

import re # 正則表達式 import requests#0.json對應的url urls=["","",""]headers = {"user-agent": "XXX" #XXX改為你自己的user-agent } count=0 for url in urls:count=count+1f = open(r'../baiduword/'+str(count)+'.doc', 'a+')res=requests.get(url=url,headers=headers)res.encoding = "unicode_escape"res_list=re.findall('"c":"(.*?)","p"',res.text)for raw in res_list:f.write(str(raw))

結果

每個文檔存儲一頁。

總結

以上是生活随笔為你收集整理的百度文库爬虫的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。