大家好,又见面了,我是你们的朋友全栈君。
python爬取书包网文章总结
今天闲来无事去看小说,但是发现没办法直接下载,所以呢就用python爬虫来下载一波了,哈哈…
爬取的是这篇小说:剑破九天(是不是很霸气,话不多说,开始…)
总体思路步骤分为以下三步:
1.获得文章的每个章节链接地址
2.获得章节内容
3.保存到指定位置
首先,进入到自己想要下载小说的网址,按F12进入开发者工具,然后单击这个然后在原网页点击章节列表即可发现以下数据:
接下来就是提取这个章节的url了,我是用的xpath,当然也可以用正则和bs4,如下代码
book_list = res.xpath('//div[@class="wp b2 info_chapterlist"]/ul/li')
此时book_list中就可以得到所有章节的url了(第一步完)
第二步就是获得章节具体内容了:
和第一步相似,用xpath即得到章节名和其中一章节内容
章节名称:name = res.xpath('//h1/text()')
章节内容:message_list = res.xpath('//dd[@id="contents"]/text()')
获得了自己需要的章节内容后就要进入第三步的保存了,不过在一开始保存时在100章左右时用以下代码出现了UnicodeEncodeError这个问题
for m in message:
with open("D:\英雄时刻\{name}.txt".format(name="剑破九天"),"a") as f:
f.write(m)
然后发现是默认编码方式问题,其默认为gbk,所以需要改成“utf-8”的格式,代码如下:
for m in message:
with open("D:\英雄时刻\{name}.txt".format(name="剑破九天"),"a",encoding="utf-8") as f:
f.write(m)
然后就可以喝一杯茶慢慢等爬取完成了,哈哈,以下为代码:
#剑破九天.text
import requests
import json
from lxml import html
def get_booklist(n):#获得章节地址
url = "https://www.bookbao99.net/book/201706/05/id_XNTc5MDg2.html"
header = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}
response = requests.get(url,headers = header)
response.encoding = "utf-8"
res = html.fromstring(response.text)
book_list = res.xpath('//div[@class="wp b2 info_chapterlist"]/ul/li')
print(len(book_list))#章节个数
for book in book_list:#遍历所有章节
try:
t = book.xpath('a/@href')
book_url = "https://www.bookbao99.net" + t[0]
get_message(book_url)
print("第{n}章爬取完毕".format(n=n))
n += 1
except UnicodeEncodeError:
print("出现一个错误")
continue
def get_message(url):#提取每个章节内容
header = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}
response = requests.get(url,headers = header)
response.encoding = "utf-8"
res = html.fromstring(response.text)
name = res.xpath('//h1/text()')
n = '\n'+name[0]+'\n\n'
#print(name[0])
message_list = res.xpath('//dd[@id="contents"]/text()')
message_list.insert(0,n)
#print(message_list)
save_book(message_list)
def save_book(message):#保存
for m in message:
with open("D:\英雄时刻\{name}.txt".format(name="剑破九天"),"a",encoding="utf-8") as f:
f.write(m)
if __name__ == "__main__":
n = 1
get_booklist(n)
是不是美滋滋。
最后呢,欢迎一起讨论爬虫哟~~~
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/148487.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...