介绍python60行代码写一个简单的笔趣阁爬虫

百变鹏仔 1个月前 (01-22) #Python

文章标签爬虫

推荐（免费）：Python视频教程

文章目录

总结

前言

立即学习“Python免费学习笔记（深入）”；

利用python写一个简单的笔趣阁爬虫，根据输入的小说网址爬取整个小说并保存到txt文件。爬虫用到了BeautifulSoup库的select方法
结果如图所示：

本文只用于学习爬虫

立即学习“Python免费学习笔记（深入）”；

一、网页解析

这里以斗罗大陆小说为例网址：
http://www.biquge001.com/Book/2/2486/

可以发现每章的网页地址和章节名都放在了中的a标签中，所以利用BeautfulSoup中的select方法可以得到网址和章节名

Tag = BeautifulSoup(getHtmlText(url), "html.parser") #这里的getHtmlText是自己写的获取html的方法urls = Tag.select("p #list dl dd a")

然后遍历列表

for url in urls:    href = "http://www.biquge001.com/" + url['href']  # 字符串的拼接 拼接成正确的网址    pageName = url.text  # 每章的章名

然后每章小说的内容都存放在

  substance = Tag.select("p #content")  # 文章的内容

最后同理在首页获取小说的名称

bookName = Tag.select("p #info h1")

立即学习“Python免费学习笔记（深入）”；

二、代码填写

1.获取Html及写入方法

def getHtmlText(url):    r = requests.get(url, headers=headers)    r.encoding = r.apparent_encoding  # 编码转换    r.raise_for_status()    return r.textdef writeIntoTxt(filename, content):    with open(filename, "w", encoding="utf-8") as f:        f.write(content)        f.close()        print(filename + "已完成")

2.其余代码

代码如下（示例）：

url = "http://www.biquge001.com/Book/2/2486/"substanceStr = ""bookName1 = ""html = getHtmlText(url)# 判断是否存在这个文件Tag = BeautifulSoup(getHtmlText(url), "html.parser")urls = Tag.select("p #list dl dd a")bookName = Tag.select("p #info h1")for i in bookName:    bookName1 = i.textif not os.path.exists(bookName1):    os.mkdir(bookName1)    print(bookName1 + "创建完成")else:    print("文件已创建")for url in urls:    href = "http://www.biquge001.com/" + url['href']  # 字符串的拼接 拼接成正确的网址    pageName = url.text  # 每章的章名    path = bookName1 + "\"  # 路径    fileName = path + url.text + ".txt"  # 文件名 = 路径 + 章节名 + ".txt"    Tag = BeautifulSoup(getHtmlText(href), "html.parser")  # 解析每张的网页    substance = Tag.select("p #content")  # 文章的内容    for i in substance:        substanceStr = i.text    writeIntoTxt(fileName, substanceStr)    time.sleep(1)

立即学习“Python免费学习笔记（深入）”；

总结

简单利用了BeautfulSoup的select方法对笔趣阁的网页进行了爬取

更多相关学习敬请关注Python教程栏目！

文章推荐

介绍python60行代码写一个简单的笔趣阁爬虫

Python实现字典的key和values的交换

使用Python脚本来获取Cisco设备信息的示例

Python的Django中django-userena组件的简单使用教程

零基础写python爬虫之神器正则表达式

零基础写python爬虫之抓取百度贴吧代码分享