首先：文章用到的解析庫(kù)介紹

BeautifulSoup：

Beautiful Soup提供一些簡(jiǎn)單的、python式的函數(shù)用來(lái)處理導(dǎo)航、搜索、修改分析樹等功能。

它是一個(gè)工具箱，通過解析文檔為用戶提供需要抓取的數(shù)據(jù)，因?yàn)楹?jiǎn)單，所以不需要多少代碼就可以寫出一個(gè)完整的應(yīng)用程序。

Beautiful Soup自動(dòng)將輸入文檔轉(zhuǎn)換為Unicode編碼，輸出文檔轉(zhuǎn)換為utf-8編碼。

你不需要考慮編碼方式，除非文檔沒有指定一個(gè)編碼方式，這時(shí)，Beautiful Soup就不能自動(dòng)識(shí)別編碼方式了。然后，你僅僅需要說(shuō)明一下原始編碼方式就可以了。

Beautiful Soup已成為和lxml、html6lib一樣出色的python解釋器，為用戶靈活地提供不同的解析策略或強(qiáng)勁的速度。

爬取小說(shuō)原因背景：

以前很喜歡看起點(diǎn)網(wǎng)上面的小說(shuō)，但是很多都要錢，窮學(xué)生沒多少錢，就發(fā)現(xiàn)了筆趣網(wǎng)。

筆趣看是一個(gè)小說(shuō)網(wǎng)站，這里有很多起點(diǎn)中文網(wǎng)的免費(fèi)小說(shuō)，而且這個(gè)網(wǎng)站只能在線瀏覽，不支持小說(shuō)打包下載。

所以本次爬取呢，就是從該網(wǎng)站爬取并保存一個(gè)名為《一念永恒》的小說(shuō)。

另外本次爬取只是做例子演示，請(qǐng)支持正版資源?。。。。。。。。。?！

那么簡(jiǎn)單的爬取開始：

①打開url鏈接，按F12或者右鍵- 檢查 進(jìn)入開發(fā)者工具

② 在開發(fā)者工具中，捕獲我們要找到的請(qǐng)求條目信息

選擇主文章的一部分內(nèi)容，選擇復(fù)制粘貼那一部分，

然后再打開開發(fā)者工具欄：

“network—選擇放大鏡圖標(biāo)sreach—然后再搜索欄粘貼我們要搜索的內(nèi)容”

然后會(huì)在下方得到條目信息，點(diǎn)擊，頁(yè)面會(huì)跳轉(zhuǎn)到加載正文的請(qǐng)求響應(yīng)條目中。

我們可以看到：

正文部分是處于 id 為 content 和 class 為 showtxt 的 div 中。

③ 構(gòu)造url請(qǐng)求

上面的信息是不夠的，因?yàn)楝F(xiàn)在的網(wǎng)站都有了反爬能力，我們所需要是模擬一條正常從瀏覽器中發(fā)出的url請(qǐng)求鏈接。

這里我們會(huì)用到： User-Agent（瀏覽器標(biāo)識(shí)）

還是開發(fā)者工具，點(diǎn)擊Headers，就可以看到Request-Response條目明細(xì)。

④ 發(fā)出請(qǐng)求：

有了字段的詳細(xì)內(nèi)容，我們就可以編寫出請(qǐng)求網(wǎng)頁(yè)的代碼

⑤ 獲得相應(yīng)內(nèi)容，然后運(yùn)行，得到內(nèi)容如下:

解析響應(yīng)數(shù)據(jù)

下面，我們使用BeautifulSoup進(jìn)行解析 運(yùn)行….代碼結(jié)果如圖：

到這里，小說(shuō)就爬取完成了。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論