欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

如何用python爬虫从爬取一章小说到爬取全站小说

程序员文章站 2022-06-22 09:40:13
前言 文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取http://t.cn/A6Zvjdun 很多好看的小说只能看不能下载,教你怎么爬取一个网站的所有小说 知识 ......
如何用python爬虫从爬取一章小说到爬取全站小说

 

前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

ps:如有需要python学习资料的小伙伴可以加点击下方链接自行获取http://t.cn/a6zvjdun

 

很多好看的小说只能看不能下载,教你怎么爬取一个网站的所有小说

知识点:

  1. requests
  2. xpath
  3. 全站小说爬取思路

开发环境:

  1. 版 本:anaconda5.2.0(python3.6.5)
  2. 编辑器:pycharm

第三方库:

  1. requests
  2. parsel

进行网页分析

目标站点:

如何用python爬虫从爬取一章小说到爬取全站小说

 

  • 开发者工具的使用networkelement
如何用python爬虫从爬取一章小说到爬取全站小说

 

爬取一章小说

  • requests库的使用(请求网页数据)
  • 对请求网页数据步骤进行封装
  • css选择器的使用(解析网页数据)
  • 操作文件(数据持久化)
# -*- coding: utf-8 -*-
import requests
import parsel
"""爬取一章小说"""
# 请求网页数据
headers = {
 'user-agent': 'mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/75.0.3770.142 safari/537.36'
}
response = requests.get('http://www.shuquge.com/txt/8659/2324752.html', headers=headers)
response.encoding = response.apparent_encoding
html = response.text
print(html)
# 从网页中提取内容
sel = parsel.selector(html)
title = sel.css('.content h1::text').extract_first()
contents = sel.css('#content::text').extract()
contents2 = []
for content in contents:
 contents2.append(content.strip())
print(contents)
print(contents2)
print("\n".join(contents2))
# 将内容写入文本
with open(title+'.txt', mode='w', encoding='utf-8') as f:
 f.write("\n".join(contents2))

爬取一本小说

  • 对爬虫进行重构需要爬取很多章小说,最笨的方法是直接使用 for 循环。
  • 爬取索引页需要爬取所有的章节,只要获取每一章的网址就行了。
import requests
import parsel
"""获取网页源代码"""
# 模拟浏览器发送请求
headers = {
 'user-agent': 'mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/75.0.3770.142 safari/537.36'
}
def download_one_chapter(target_url):
 # 需要请求的网址
 # target_url = 'http://www.shuquge.com/txt/8659/2324753.html'
 # response 服务返回的内容 对象
 # pycharm ctrl+鼠标左键
 response = requests.get(target_url, headers=headers)
 # 解码 万能解码
 response.encoding = response.apparent_encoding
 # 文字方法 获取网页文字内容
 # print(response.text)
 # 字符串
 html = response.text
 """从网页源代码里面拿到信息"""
 # 使用parsel 把字符串变成对象
 sel = parsel.selector(html)
 # scrapy
 # extract 提取标签的内容
 # 伪类选择器(选择属性) css选择器(选择标签)
 # 提取第一个内容
 title = sel.css('.content h1::text').extract_first()
 # 提取所有的内容
 contents = sel.css('#content::text').extract()
 print(title)
 print(contents)
 """ 数据清除 清除空白字符串 """
 # contents1 = []
 # for content in contents:
 # # 去除两端空白字符
 # # 字符串的操作 列表的操作
 # contents1.append(content.strip())
 #
 # print(contents1)
 # 列表推导式
 contents1 = [content.strip() for content in contents]
 print(contents1)
 # 把列表编程字符串
 text = '\n'.join(contents1)
 print(text)
 """保存小说内容"""
 # open 操作文件(写入、读取)
 file = open(title + '.txt', mode='w', encoding='utf-8')
 # 只能写入字符串
 file.write(title)
 file.write(text)
 # 关闭文件
 file.close()
# 传入一本小说的目录
def get_book_links(book_url):
 response = requests.get(book_url)
 response.encoding = response.apparent_encoding
 html = response.text
 sel = parsel.selector(html)
 links = sel.css('dd a::attr(href)').extract()
 return links
# 下载一本小说
def get_one_book(book_url):
 links = get_book_links(book_url)
 for link in links:
 print('http://www.shuquge.com/txt/8659/' + link)
 download_one_chapter('http://www.shuquge.com/txt/8659/' + link)
if __name__ == '__main__':
 # target_url = 'http://www.shuquge.com/txt/8659/2324754.html'
 # # 关键词参数与位置参数
 # download_one_chapter(target_url=target_url)
 # 下载别的小说 直接换url
 book_url = 'http://www.shuquge.com/txt/8659/index.html'
 get_one_book(book_url)

爬取全站小说

如果想了解更多关于python的应用,可以私信小编