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,不具有任何商業用途,如有問題請及時聯系我們以作處理。
前文
01、python爬蟲入門教程01：豆瓣Top電影爬取
基本開發環境
相關模塊的使用
安裝Python并添加到環境變量，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: 小說章節標題
:param content: 小說內容
:return:
"""
# 路徑
filename = f'{title}\\'
# os 內置模塊，自動創建文件夾
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
