python爬蟲之爬取筆趣閣小說(shuō)
前言
為了上班摸魚方便,今天自己寫了個(gè)爬取筆趣閣小說(shuō)的程序。好吧,其實(shí)就是找個(gè)目的學(xué)習(xí)python,分享一下。
一、首先導(dǎo)入相關(guān)的模塊
import os import requests from bs4 import BeautifulSoup
二、向網(wǎng)站發(fā)送請(qǐng)求并獲取網(wǎng)站數(shù)據(jù)
網(wǎng)站鏈接最后的一位數(shù)字為一本書的id值,一個(gè)數(shù)字對(duì)應(yīng)一本小說(shuō),我們以id為1的小說(shuō)為示例。
進(jìn)入到網(wǎng)站之后,我們發(fā)現(xiàn)有一個(gè)章節(jié)列表,那么我們首先完成對(duì)小說(shuō)列表名稱的抓取
# 聲明請(qǐng)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(chuàng)建保存小說(shuō)文本的文件夾 if not os.path.exists('./小說(shuō)'): os.mkdir('./小說(shuō)/') # 訪問(wèn)網(wǎng)站并獲取頁(yè)面數(shù)據(jù) response = requests.get('http://www.biquw.com/book/1/').text print(response)
寫到這個(gè)地方同學(xué)們可能會(huì)發(fā)現(xiàn)了一個(gè)問(wèn)題,當(dāng)我去正常訪問(wèn)網(wǎng)站的時(shí)候?yàn)槭裁捶祷鼗貋?lái)的數(shù)據(jù)是亂碼呢?
這是因?yàn)轫?yè)面html的編碼格式與我們python訪問(wèn)并拿到數(shù)據(jù)的解碼格式不一致導(dǎo)致的,python默認(rèn)的解碼方式為utf-8,但是頁(yè)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(yè)面的解碼方式自動(dòng)變化
#### 重新編寫訪問(wèn)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(shù)據(jù)才是正確的 '''
三、拿到頁(yè)面數(shù)據(jù)之后對(duì)數(shù)據(jù)進(jìn)行提取
當(dāng)大家通過(guò)正確的解碼方式拿到頁(yè)面數(shù)據(jù)之后,接下來(lái)需要完成靜態(tài)頁(yè)面分析了。我們需要從整個(gè)網(wǎng)頁(yè)數(shù)據(jù)中拿到我們想要的數(shù)據(jù)(章節(jié)列表數(shù)據(jù))
1.首先打開瀏覽器
2.按F12調(diào)出開發(fā)者工具
3.選中元素選擇器
4.在頁(yè)面中選中我們想要的數(shù)據(jù)并定位元素
5.觀察數(shù)據(jù)所存在的元素標(biāo)簽
''' 根據(jù)上圖所示,數(shù)據(jù)是保存在a標(biāo)簽當(dāng)中的。a的父標(biāo)簽為li,li的父標(biāo)簽為ul標(biāo)簽,ul標(biāo)簽之上為div標(biāo)簽。所以如果想要獲取整個(gè)頁(yè)面的小說(shuō)章節(jié)數(shù)據(jù),那么需要先獲取div標(biāo)簽。并且div標(biāo)簽中包含了class屬性,我們可以通過(guò)class屬性獲取指定的div標(biāo)簽,詳情看代碼~ ''' # lxml: html解析庫(kù) 將html代碼轉(zhuǎn)成python對(duì)象,python可以對(duì)html代碼進(jìn)行控制 soup = BeautifulSoup(response.text, 'lxml') book_list = soup.find('div', class_='book_list').find_all('a') # soup對(duì)象獲取批量數(shù)據(jù)后返回的是一個(gè)列表,我們可以對(duì)列表進(jìn)行迭代提取 for book in book_list: book_name = book.text # 獲取到列表數(shù)據(jù)之后,需要獲取文章詳情頁(yè)的鏈接,鏈接在a標(biāo)簽的href屬性中 book_url = book['href']
四、獲取到小說(shuō)詳情頁(yè)鏈接之后進(jìn)行詳情頁(yè)二次訪問(wèn)并獲取文章數(shù)據(jù)
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(duì)小說(shuō)詳情頁(yè)進(jìn)行靜態(tài)頁(yè)面分析
info = soup.find('div', id='htmlContent') print(info.text)
六、數(shù)據(jù)下載
with open('./小說(shuō)/' + 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(shù)據(jù)
到此這篇關(guān)于python爬蟲之爬取筆趣閣小說(shuō)的文章就介紹到這了,更多相關(guān)python爬取小說(shuō)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python函數(shù)的默認(rèn)參數(shù)設(shè)計(jì)示例詳解
這篇文章主要給大家介紹了關(guān)于Python函數(shù)的默認(rèn)參數(shù)設(shè)計(jì)的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-12-12python實(shí)現(xiàn)對(duì)文件進(jìn)行MD5校驗(yàn)
這篇文章主要為大家詳細(xì)介紹了如何使用python對(duì)文件進(jìn)行MD5校驗(yàn)并比對(duì)文件重復(fù),文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2024-01-01基于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)實(shí)現(xiàn)影評(píng)情感分類
這篇文章主要為大家詳細(xì)介紹了基于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)實(shí)現(xiàn)影評(píng)情感分類,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-03-03python3調(diào)用百度翻譯API實(shí)現(xiàn)實(shí)時(shí)翻譯
這篇文章主要為大家詳細(xì)介紹了python3調(diào)用百度翻譯API,實(shí)現(xiàn)實(shí)時(shí)翻譯,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-08-08只用20行Python代碼實(shí)現(xiàn)屏幕錄制功能
python小哥哥發(fā)現(xiàn)女朋友最近總是很忙的樣子,晚上匆匆忙忙道過(guò)晚安就不說(shuō)話了.可是,QQ頭像卻會(huì)偶爾亮起來(lái).小哥哥非常擔(dān)心,是不是賬號(hào)被盜了呢然后,就想幫女朋友排查一下所以就用python寫了一個(gè)錄制腳本,悄悄裝在女友電腦上,需要的朋友可以參考下2021-06-06Tensorflow中tf.ConfigProto()的用法詳解
今天小編就為大家分享一篇Tensorflow中tf.ConfigProto()的用法詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02python將十六進(jìn)制值轉(zhuǎn)換為字符串的三種方法
這篇文章主要給大家介紹了關(guān)于python將十六進(jìn)制值轉(zhuǎn)換為字符串的三種方法,工作內(nèi)容的需要需求,經(jīng)常需要使用到字符同16進(jìn)制,以及各個(gè)進(jìn)制之間的轉(zhuǎn)換,需要的朋友可以參考下2023-07-07Python隨機(jī)生成信用卡卡號(hào)的實(shí)現(xiàn)方法
這篇文章主要介紹了Python隨機(jī)生成信用卡卡號(hào)的實(shí)現(xiàn)方法,可實(shí)現(xiàn)生成信用卡卡號(hào)的功能,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-05-05