Curso-lenguaje-python/dia_11/03_web_scraping_03.py

48 lines
843 B
Python
Raw Normal View History

2023-04-12 21:59:47 +02:00
"""
Web scraping básico
Con las librerias beautifulsoup4, lxml y requests
"""
import bs4
import requests
raiz = 'http://books.toscrape.com/catalogue/page-'
extension = '.html'
def comprobar_enlaces(http, ext):
""" Comprobar si el enlace existe """
# Variables
enlaces = []
fin_url = True
page = 0
# Bucle para formar url y añadir a una lista
while fin_url:
page += 1
page = str(page)
enlace = http + page + ext
resultado = requests.get(enlace)
if resultado:
enlaces.append(enlace)
page = int(page)
2023-04-12 22:03:23 +02:00
# BORRAR CUANDO ESTE LISTO EL RESTO DEL DOCUMENTO
2023-04-12 21:59:47 +02:00
break
else:
fin_url = False
return enlaces
print(comprobar_enlaces(raiz, extension))
# sopa = bs4.BeautifulSoup(resultado.text, 'lxml')