Python爬取笔趣阁小说,有趣又实用

Python知识圈

共 5568字,需浏览 12分钟

 ·

2021-05-05 05:58

点击上方Python知识圈设为星标

回复100获取100题PDF


阅读文本大概需要 5 分钟


来源:https://sslljy.blog.csdn.net/

上班想摸鱼?为了摸鱼方便,今天自己写了个爬取笔阁小说的程序。好吧,其实就是找个目的学习python,分享一下。

1. 首先导入相关的模块

import osimport requestsfrom bs4 import BeautifulSoup

2. 向网站发送请求并获取网站数据

网站链接最后的一位数字为一本书的id值,一个数字对应一本小说,我们以id为1的小说为示例。
进入到网站之后,我们发现有一个章节列表,那么我们首先完成对小说列表名称的抓取。

# 声明请求头headers = {  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.182 Safari/537.36'}
# 创建保存小说文本的文件夹if not os.path.exists('./小说'): os.mkdir('./小说/') # 访问网站并获取页面数据response = requests.get('http://www.biquw.com/book/1/').textprint(response)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Uu2ddyQB-1618914957232)(.\素材图片\中文显示乱码.png)]

写到这个地方同学们可能会发现了一个问题,当我去正常访问网站的时候为什么返回回来的数据是乱码呢?

这是因为页面html的编码格式与我们python访问并拿到数据的解码格式不一致导致的,python默认的解码方式为utf-8,但是页面编码可能是GBK或者是GB2312等,所以我们需要让python代码很具页面的解码方式自动变化

#### 重新编写访问代码```pythonresponse = requests.get('http://www.biquw.com/book/1/')response.encoding = response.apparent_encodingprint(response.text)
'''这种方式返回的中文数据才是正确的'''

3. 拿到页面数据之后对数据进行提取

当大家通过正确的解码方式拿到页面数据之后,接下来需要完成静态页面分析了。我们需要从整个网页数据中拿到我们想要的数据(章节列表数据)

  1. 首先打开浏览器

  2. 按F12调出开发者工具

  3. 选中元素选择器

  4. 在页面中选中我们想要的数据并定位元素

  5. 观察数据所存在的元素标签


'''根据上图所示,数据是保存在a标签当中的。a的父标签为li,li的父标签为ul标签,ul标签之上为div标签。所以如果想要获取整个页面的小说章节数据,那么需要先获取div标签。并且div标签中包含了class属性,我们可以通过class属性获取指定的div标签,详情看代码~'''# lxml: html解析库 将html代码转成python对象,python可以对html代码进行控制soup = BeautifulSoup(response.text, 'lxml')book_list = soup.find('div', class_='book_list').find_all('a')# soup对象获取批量数据后返回的是一个列表,我们可以对列表进行迭代提取for book in book_list:    book_name = book.text    # 获取到列表数据之后,需要获取文章详情页的链接,链接在a标签的href属性中    book_url = book['href']

4. 获取到小说详情页链接之后进行详情页二次访问并获取文章数据

book_info_html = requests.get('http://www.biquw.com/book/1/' + book_url, headers=headers)book_info_html.encoding = book_info_html.apparent_encodingsoup = BeautifulSoup(book_info_html.text, 'lxml')


5. 对小说详情页进行静态页面分析

info = soup.find('div', id='htmlContent')print(info.text)

6. 数据下载

with open('./小说/' + book_name + '.txt', 'a', encoding='utf-8') as f:    f.write(info.text)


最后让我们看一下代码效果吧~

抓取的数据


文章正文到这里已经结束了,感谢你们阅读我的文章。

PS:我自己建了一个每天可领外卖优惠券的号,常领到15元的无门槛券不花冤枉钱~
加微信送《Python知识点100题PDF》

pk哥个人微信


添加pk哥个人微信即送Python资料


Python知识点100题的PDF

Python相关的电子书10本


记得备注:“100题”

   
        



往期推荐
01

公众号所有文章汇总导航(2-10更新)

02

永久白嫖!新发现的外卖漏洞!!请低调使用

03

求你了,别再用 pip 那乌龟的速度去安装库了!


点击阅读原文查看pk哥原创视频

我就知道你“在看”

浏览 19
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报