目錄
- 前言
- 一、首先導入相關的模塊
- 二、向網站發送請求并獲取網站數據
- 三、拿到頁面數據之后對數據進行提取
- 四、獲取到小說詳情頁鏈接之后進行詳情頁二次訪問并獲取文章數據
- 五、對小說詳情頁進行靜態頁面分析
- 六、數據下載
前言
為了上班摸魚方便，今天自己寫了個爬取筆趣閣小說的程序。好吧，其實就是找個目的學習python，分享一下。
一、首先導入相關的模塊
import os
import requests
from bs4 import BeautifulSoup
二、向網站發送請求并獲取網站數據
網站鏈接最后的一位數字為一本書的id值，一個數字對應一本小說，我們以id為1的小說為示例。
進入到網站之后，我們發現有一個章節列表，那么我們首先完成對小說列表名稱的抓取
# 聲明請求頭
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.182 Safari/537.36'
}
# 創建保存小說文本的文件夾
if not os.path.exists('./小說'):
os.mkdir('./小說/')
# 訪問網站并獲取頁面數據
response = requests.get('http://www.biquw.com/book/1/').text
print(response)
寫到這個地方同學們可能會發現了一個問題，當我去正常訪問網站的時候為什么返回回來的數據是亂碼呢？
這是因為頁面html的編碼格式與我們python訪問并拿到數據的解碼格式不一致導致的，python默認的解碼方式為utf-8，但是頁面編碼可能是GBK或者是GB2312等，所以我們需要讓python代碼很具頁面的解碼方式自動變化
#### 重新編寫訪問代碼
```python
response = requests.get('http://www.biquw.com/book/1/')
response.encoding = response.apparent_encoding
print(response.text)
'''
這種方式返回的中文數據才是正確的
'''
三、拿到頁面數據之后對數據進行提取
當大家通過正確的解碼方式拿到頁面數據之后，接下來需要完成靜態頁面分析了。我們需要從整個網頁數據中拿到我們想要的數據(章節列表數據)
1.首先打開瀏覽器
2.按F12調出開發者工具
3.選中元素選擇器
4.在頁面中選中我們想要的數據并定位元素
5.觀察數據所存在的元素標簽
'''
根據上圖所示，數據是保存在a標簽當中的。a的父標簽為li，li的父標簽為ul標簽，ul標簽之上為div標簽。所以如果想要獲取整個頁面的小說章節數據，那么需要先獲取div標簽。并且div標簽中包含了class屬性，我們可以通過class屬性獲取指定的div標簽，詳情看代碼~
'''
# lxml: html解析庫 將html代碼轉成python對象，python可以對html代碼進行控制
soup = BeautifulSoup(response.text, 'lxml')
book_list = soup.find('div', class_='book_list').find_all('a')
# soup對象獲取批量數據后返回的是一個列表，我們可以對列表進行迭代提取
for book in book_list:
book_name = book.text
# 獲取到列表數據之后，需要獲取文章詳情頁的鏈接，鏈接在a標簽的href屬性中
book_url = book['href']
四、獲取到小說詳情頁鏈接之后進行詳情頁二次訪問并獲取文章數據
book_info_html = requests.get('http://www.biquw.com/book/1/' + book_url, headers=headers)
book_info_html.encoding = book_info_html.apparent_encoding
soup = BeautifulSoup(book_info_html.text, 'lxml')
五、對小說詳情頁進行靜態頁面分析
info = soup.find('div', id='htmlContent')
print(info.text)
六、數據下載
with open('./小說/' + book_name + '.txt', 'a', encoding='utf-8') as f:
f.write(info.text)
最后讓我們看一下代碼效果吧~
抓取的數據
到此這篇關于python爬蟲之爬取筆趣閣小說的文章就介紹到這了,更多相關python爬取小說內容請搜索腳本之家以前的文章或繼續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爬蟲入門教程02之筆趣閣小說爬取
- 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實現的爬取小說爬蟲功能示例
- Python scrapy爬取起點中文網小說榜單
