48 lines
843 B
Python
48 lines
843 B
Python
"""
|
|
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)
|
|
# BORRAR CUANDO ESTE LISTO EL RESTO DEL DOCUMENTO
|
|
break
|
|
else:
|
|
fin_url = False
|
|
|
|
return enlaces
|
|
|
|
|
|
print(comprobar_enlaces(raiz, extension))
|
|
|
|
|
|
# sopa = bs4.BeautifulSoup(resultado.text, 'lxml')
|