这篇教程Python爬虫入门教程02之笔趣阁小说爬取写得很实用，希望能帮到您。
前言本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
前文01、python爬虫入门教程01：豆瓣Top电影爬取 基本开发环境 相关模块的使用 安装Python并添加到环境变量，pip安装需要的相关模块即可。 
单章爬取 
一、明确需求爬取小说内容保存到本地 # 第一章小说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)
请求网页返回的数据中出现了乱码，这就需要我们转码了。 加一行代码自动转码。 response.encoding = response.apparent_encoding 
三、解析数据
根据css选择器可以直接提取小说标题以及小说内容。 def get_one_novel(html_url): # 调用请求网页数据函数 response = get_response(html_url) # 转行成selector解析对象 selector = parsel.Selector(response.text) # 获取小说标题 title = selector.css('.bookname h1::text').get() # 获取小说内容 返回的是list content_list = selector.css('#content::text').getall() # ''.join(列表) 把列表转换成字符串 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、保存数据（数据持久化）使用常用的保存方式： with open def save(title, content): """ 保存小说 :param title: 小说章节标题 :param content: 小说内容 :return: """ # 路径 filename = f'{title}//' # os 内置模块，自动创建文件夹 if os.makedirs(filename): os.mkdir() # 一定要记得加后缀 .txt mode 保存方式 a 是追加保存 encoding 保存编码 with open(filename + title + '.txt', mode='a', encoding='utf-8') as f: # 写入标题 f.write(title) # 换行 f.write('/n') # 写入小说内容 f.write(content)
保存一章小说，就这样写完了，如果想要保存整本小说呢？ 整本小说爬虫 既然爬取单章小说知道怎么爬取了，那么只需要获取小说所有单章小说的url地址，就可以爬取全部小说内容了。 
所有的单章的url地址都在 dd 标签当中，但是这个url地址是不完整的，所以爬取下来的时候，要拼接url地址。 def get_all_url(html_url): # 调用请求网页数据函数 response = get_response(html_url) # 转行成selector解析对象 selector = parsel.Selector(response.text) # 所有的url地址都在 a 标签里面的 href 属性中 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)
这样就获取了所有的小说章节url地址了。 爬取全本完整代码 import requestsimport parselfrom tqdm import tqdmdef 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 responsedef save(novel_name, title, content): """ 保存小说 :param title: 小说章节标题 :param content: 小说内容 :return: """ filename = f'{novel_name}' + '.txt' # 一定要记得加后缀 .txt mode 保存方式 a 是追加保存 encoding 保存编码 with open(filename, mode='a', encoding='utf-8') as f: # 写入标题 f.write(title) # 换行 f.write('/n') # 写入小说内容 f.write(content)def get_one_novel(name, novel_url): # 调用请求网页数据函数 response = get_response(novel_url) # 转行成selector解析对象 selector = parsel.Selector(response.text) # 获取小说标题 title = selector.css('.bookname h1::text').get() # 获取小说内容 返回的是list content_list = selector.css('#content::text').getall() # ''.join(列表) 把列表转换成字符串 content_str = ''.join(content_list) save(name, title, content_str)def get_all_url(html_url): # 调用请求网页数据函数 response = get_response(html_url) # 转行成selector解析对象 selector = parsel.Selector(response.text) # 所有的url地址都在 a 标签里面的 href 属性中 dds = selector.css('#list dd a::attr(href)').getall() # 小说名字 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('输入书名ID：') url = f'http://www.biquges.com/{novel_id}/index.html' get_all_url(url)
到此这篇关于Python爬虫入门教程02之笔趣阁小说爬取的文章就介绍到这了,更多相关Python爬虫笔趣阁小说爬取内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python爬虫入门教程01之爬取豆瓣Top电影
详解用 python-docx 创建浮动图片 |
