前言
本文的文字及圖片來源于網路,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，
Python爬蟲、資料分析、網站開發等案例教程視頻免費在線觀看
https://space.bilibili.com/523606542
前文
Python爬蟲新手入門教學（一）：爬取豆瓣電影排行資訊
基本開發環境
- Python 3.6
- Pycharm
相關模塊的使用
- requests
- parsel
安裝Python并添加到環境變數，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
- 小說名字
- 小說章節名字
- 小說內容
# 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)
請求網頁回傳的資料中出現了亂碼，這就需要我們轉碼了，
加一行代碼自動轉碼，
response.encoding = response.apparent_encoding
三、決議資料
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): # 呼叫請求網頁資料函式 response = get_response(html_url) # 轉行成selector決議物件 selector = parsel.Selector(response.text) # 獲取小說標題 title = selector.css('.bookname h1::text').get() # 獲取小說內容 回傳的是list content_list = selector.css('#content::text').getall() # ''.join(串列) 把串列轉換成字串 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、保存資料（資料持久化）
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，自動創建檔案夾 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): # 呼叫請求網頁資料函式 response = get_response(html_url) # 轉行成selector決議物件 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): # 呼叫請求網頁資料函式 response = get_response(novel_url) # 轉行成selector決議物件 selector = parsel.Selector(response.text) # 獲取小說標題 title = selector.css('.bookname h1::text').get() # 獲取小說內容 回傳的是list content_list = selector.css('#content::text').getall() # ''.join(串列) 把串列轉換成字串 content_str = ''.join(content_list) save(name, title, content_str) def get_all_url(html_url): # 呼叫請求網頁資料函式 response = get_response(html_url) # 轉行成selector決議物件 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)
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/252460.html
標籤：Python