这篇教程python 爬取国内小说网站写得很实用，希望能帮到您。
原理先行
作为一个资深的小说爱好者，国内很多小说网站如出一辙，什么 🖊*阁啊等等，大都是 get 请求返回 html 内容，而且会有标志性的<dl><dd>等标签。
所以大概的原理，就是先 get 请求这个网站，然后对获取的内容进行清洗，写进文本里面，变成一个 txt，导入手机，方便看小说。
实践篇
之前踩过一个坑，一开始我看了几页小说，大概小说的内容网站是https://www.xxx.com/小说编号/章节编号.html，一开始看前几章，我发现章节编号是连续的， 于是我一开始想的就是记住起始章节编号，然后在循环的时候章节编号自增就行，后面发现草率了，可能看个 100 章之后，章节列表会出现断层现象，这个具体为啥 还真不知道，按理说小说编号固定，可以算是一个数据表，那里面的章节编号不就是一个自增 id 就完了嘛？有懂王可以科普一下！
所以这里要先获取小说的目录列表，并把目录列表洗成一个数组方便我们后期查找！getList.py文件： 定义一个请求书签的方法 # 请求书签地址def req(): url = "https://www.24kwx.com/book/4/4020/" strHtml = requests.get(url) return strHtml.text 将获取到的内容提取出（id:唯一值/或第 X 章小说）(name:小说的章节名称)（key:小说的章节 id） # 定义一个章节对象class Xs(object): def __init__(self,id,key,name): self._id = id self._key = key self._name = name @property def id(self): self._id @property def key(self): self._key @property def name(self): self._name def getString(self): return 'id:%s,name:%s,key:%s' %(self._id,self._name,self._key)# 转换成书列表def tranceList(): key = 0 name = "" xsList = [] idrule = r'/4020/(.+?).html' keyrule = r'第(.+?)章' html = req() html = re.split("</dt>",html)[2] html = re.split("</dl>",html)[0] htmlList = re.split("</dd>",html) for i in htmlList: i = i.strip() if(i): # 获取id id = re.findall(idrule,i)[0] lsKeyList = re.findall(keyrule,i) # 如果有章节 if len(lsKeyList) > 0 : key = int(lsKeyList[0]) lsname = re.findall(r'章(.+?)</a>',i) else : key = key + 1 # 获取名字 # lsname = re.findall(r'.html">(.+?)</a>',i)[0] # name = re.sub('，',' ', lsname, flags=re.IGNORECASE) name = re.findall(r'.html">(.+?)</a>',i)[0] xsobj = Xs(id,key,name) xsList.append(xsobj.getString()) writeList(xsList)注意一下我：如果你从别的语言转 py，第一次写object对象可能会比较懵，没错因为他的object是一个class，这里我创建的对象就是{id,key,name}但是你写入 txt 的时候还是要getString，所以后面想想我直接写个{id:xxx,name:xxx,key:xxx}的字符串不就完了，还弄啥class,后面还是想想给兄弟盟留点看点，就留着了 最后写入 txt 文件 # 写入到文本def writeList(list): f = open("xsList.txt",'w',encoding='utf-8') # 这里不能写list，要先转字符串 TypeError: write() argument must be str, not list f.write('/n'.join(list)) print('写入成功')# 大概写完的txt是这样的id:3798160,name:第1章 孙子，我是你爷爷,key:1id:3798161,name:第2章 孙子，等等我！,key:2id:3798162,name:第3章 天上掉下个亲爷爷,key:3id:3798163,name:第4章 超级大客户,key:4id:3798164,name:第5章 一张退婚证明,key:5ok ! Last one
这里已经写好了小说的目录，那我们就要读取小说的内容，同理 先写个请求 # 请求内容地址def req(id): url = "https://www.24kwx.com/book/4/4020/"+id+".html" strHtml = requests.get(url) return strHtml.text 读取我们刚刚保存的目录 def getList(): f = open("xsList.txt",'r', encoding='utf-8') # 这里按行读取,读取完后line是个数组 line = f.readlines() f.close() return line定义好一个清洗数据的规则 contextRule = r'<div class="content">(.+?)<script>downByJs();</script>'titleRule = r'<h1>(.+?)</h1>'def getcontext(objstr): xsobj = re.split(",",objstr) id = re.split("id:",xsobj[0])[1] name = re.split("name:",xsobj[1])[1] html = req(id) lstitle = re.findall(titleRule,html) title = lstitle[0] if len(lstitle) > 0 else name context = re.split('<div id="content" class="showtxt">',html)[1] context = re.split('</div>',context)[0] context = re.sub(' |/r|/n','',context) textList = re.split('<br />',context) textList.insert(0,title) for item in textList : writeTxt(item) print('%s--写入成功'%(title))再写入文件 def writeTxt(txt): if txt : f = open("nr.txt",'a',encoding="utf-8") f.write(txt+'/n')最后当然是串联起来啦 def getTxt(): # 默认参数配置 startNum = 1261 # 起始章节 endNum = 1300 # 结束章节 # 开始主程序 f = open("nr.txt",'w',encoding='utf-8') f.write("") if endNum < startNum: print('结束条数必须大于开始条数') return allList = getList() needList = allList[startNum-1:endNum] for item in needList: getcontext(item) time.sleep(0.2) print("全部爬取完成")
完整代码getList.py import requestsimport re# 请求书签地址def req(): url = "https://www.24kwx.com/book/4/4020/" strHtml = requests.get(url) return strHtml.text# 定义一个章节对象class Xs(object): def __init__(self,id,key,name): self._id = id self._key = key self._name = name @property def id(self): self._id @property def key(self): self._key @property def name(self): self._name def getString(self): return 'id:%s,name:%s,key:%s' %(self._id,self._name,self._key)# 转换成书列表def tranceList(): key = 0 name = "" xsList = [] idrule = r'/4020/(.+?).html' keyrule = r'第(.+?)章' html = req() html = re.split("</dt>",html)[2] html = re.split("</dl>",html)[0] htmlList = re.split("</dd>",html) for i in htmlList: i = i.strip() if(i): # 获取id id = re.findall(idrule,i)[0] lsKeyList = re.findall(keyrule,i) # 如果有章节 if len(lsKeyList) > 0 : key = int(lsKeyList[0]) lsname = re.findall(r'章(.+?)</a>',i) else : key = key + 1 # 获取名字 # lsname = re.findall(r'.html">(.+?)</a>',i)[0] # name = re.sub('，',' ', lsname, flags=re.IGNORECASE) name = re.findall(r'.html">(.+?)</a>',i)[0] xsobj = Xs(id,key,name) xsList.append(xsobj.getString()) writeList(xsList)# 写入到文本def writeList(list): f = open("xsList.txt",'w',encoding='utf-8') # 这里不能写list，要先转字符串 TypeError: write() argument must be str, not list f.write('/n'.join(list)) print('写入成功')def main(): tranceList()if __name__ == '__main__': main() writeTxt.py import requestsimport reimport time# 请求内容地址def req(id): url = "https://www.24kwx.com/book/4/4020/"+id+".html" strHtml = requests.get(url) return strHtml.textdef getList(): f = open("xsList.txt",'r', encoding='utf-8') # 这里按行读取 line = f.readlines() f.close() return linecontextRule = r'<div class="content">(.+?)<script>downByJs();</script>'titleRule = r'<h1>(.+?)</h1>'def getcontext(objstr): xsobj = re.split(",",objstr) id = re.split("id:",xsobj[0])[1] name = re.split("name:",xsobj[1])[1] html = req(id) lstitle = re.findall(titleRule,html) title = lstitle[0] if len(lstitle) > 0 else name context = re.split('<div id="content" class="showtxt">',html)[1] context = re.split('</div>',context)[0] context = re.sub(' |/r|/n','',context) textList = re.split('<br />',context) textList.insert(0,title) for item in textList : writeTxt(item) print('%s--写入成功'%(title))def writeTxt(txt): if txt : f = open("nr.txt",'a',encoding="utf-8") f.write(txt+'/n')def getTxt(): # 默认参数配置 startNum = 1261 # 起始章节 endNum = 1300 # 结束章节 # 开始主程序 f = open("nr.txt",'w',encoding='utf-8') f.write("") if endNum < startNum: print('结束条数必须大于开始条数') return allList = getList() needList = allList[startNum-1:endNum] for item in needList: getcontext(item) time.sleep(0.2) print("全部爬取完成") def main(): getTxt()if __name__ == "__main__": main()以上就是python 爬取国内小说网站的详细内容，更多关于python 爬取小说网站的资料请关注51zixue.net其它相关文章！
使用pycharm运行flask应用程序的详细教程
Python字典和列表性能之间的比较 |
