目錄
- 前言
- 前文
- 一、明確需求
- 三、解析數據
- 四、保存數據（數據持久化）
前言
本文的文字及圖片來源于網絡,僅供學習、交流使用,不具有任何商業(yè)用途,如有問題請及時聯(lián)系我們以作處理。
前文
01、python爬蟲入門教程01：豆瓣Top電影爬取
基本開發(fā)環(huán)境
相關模塊的使用
安裝Python并添加到環(huán)境變量，pip安裝需要的相關模塊即可。
單章爬取
一、明確需求
爬取小說內容保存到本地
# 第一章小說url地址
url = 'http://www.biquges.com/52_52642/25585323.html'
url = 'http://www.biquges.com/52_52642/25585323.html'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
print(response.text)
請求網頁返回的數據中出現(xiàn)了亂碼，這就需要我們轉碼了。
加一行代碼自動轉碼。
response.encoding = response.apparent_encoding
三、解析數據
根據css選擇器可以直接提取小說標題以及小說內容。
def get_one_novel(html_url):
# 調用請求網頁數據函數
response = get_response(html_url)
# 轉行成selector解析對象
selector = parsel.Selector(response.text)
# 獲取小說標題
title = selector.css('.bookname h1::text').get()
# 獲取小說內容 返回的是list
content_list = selector.css('#content::text').getall()
# ''.join(列表) 把列表轉換成字符串
content_str = ''.join(content_list)
print(title, content_str)
if __name__ == '__main__':
url = 'http://www.biquges.com/52_52642/25585323.html'
get_one_novel(url)
四、保存數據（數據持久化）
使用常用的保存方式： with open
def save(title, content):
"""
保存小說
:param title: 小說章節(jié)標題
:param content: 小說內容
:return:
"""
# 路徑
filename = f'{title}\\'
# os 內置模塊，自動創(chuàng)建文件夾
if os.makedirs(filename):
os.mkdir()
# 一定要記得加后綴 .txt mode 保存方式 a 是追加保存 encoding 保存編碼
with open(filename + title + '.txt', mode='a', encoding='utf-8') as f:
# 寫入標題
f.write(title)
# 換行
f.write('\n')
# 寫入小說內容
f.write(content)
保存一章小說，就這樣寫完了，如果想要保存整本小說呢？
整本小說爬蟲
既然爬取單章小說知道怎么爬取了，那么只需要獲取小說所有單章小說的url地址，就可以爬取全部小說內容了。
所有的單章的url地址都在 dd 標簽當中，但是這個url地址是不完整的，所以爬取下來的時候，要拼接url地址。
def get_all_url(html_url):
# 調用請求網頁數據函數
response = get_response(html_url)
# 轉行成selector解析對象
selector = parsel.Selector(response.text)
# 所有的url地址都在 a 標簽里面的 href 屬性中
dds = selector.css('#list dd a::attr(href)').getall()
for dd in dds:
novel_url = 'http://www.biquges.com' + dd
print(novel_url)
if __name__ == '__main__':
url = 'http://www.biquges.com/52_52642/index.html'
get_all_url(url)
這樣就獲取了所有的小說章節(jié)url地址了。
爬取全本完整代碼
import requests
import parsel
from tqdm import tqdm
def get_response(html_url):
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=html_url, headers=headers)
response.encoding = response.apparent_encoding
return response
def save(novel_name, title, content):
"""
保存小說
:param title: 小說章節(jié)標題
:param content: 小說內容
:return:
"""
filename = f'{novel_name}' + '.txt'
# 一定要記得加后綴 .txt mode 保存方式 a 是追加保存 encoding 保存編碼
with open(filename, mode='a', encoding='utf-8') as f:
# 寫入標題
f.write(title)
# 換行
f.write('\n')
# 寫入小說內容
f.write(content)
def get_one_novel(name, novel_url):
# 調用請求網頁數據函數
response = get_response(novel_url)
# 轉行成selector解析對象
selector = parsel.Selector(response.text)
# 獲取小說標題
title = selector.css('.bookname h1::text').get()
# 獲取小說內容 返回的是list
content_list = selector.css('#content::text').getall()
# ''.join(列表) 把列表轉換成字符串
content_str = ''.join(content_list)
save(name, title, content_str)
def get_all_url(html_url):
# 調用請求網頁數據函數
response = get_response(html_url)
# 轉行成selector解析對象
selector = parsel.Selector(response.text)
# 所有的url地址都在 a 標簽里面的 href 屬性中
dds = selector.css('#list dd a::attr(href)').getall()
# 小說名字
novel_name = selector.css('#info h1::text').get()
for dd in tqdm(dds):
novel_url = 'http://www.biquges.com' + dd
get_one_novel(novel_name, novel_url)
if __name__ == '__main__':
novel_id = input('輸入書名ID：')
url = f'http://www.biquges.com/{novel_id}/index.html'
get_all_url(url)
到此這篇關于Python爬蟲入門教程02之筆趣閣小說爬取的文章就介紹到這了,更多相關Python爬蟲筆趣閣小說爬取內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python 爬取國內小說網站
- python 爬取小說并下載的示例
- python爬取”頂點小說網“《純陽劍尊》的示例代碼
- Python爬取365好書中小說代碼實例
- Python實現(xiàn)的爬取小說爬蟲功能示例
- Python scrapy爬取起點中文網小說榜單
- python爬蟲之爬取筆趣閣小說升級版
