爬虫学习-爬取小说

该博客展示了使用Python进行网页书籍内容抓取的代码。利用requests库发送请求,BeautifulSoup库解析网页。通过输入网页对应数字,获取网页内容,提取书名、章节名和章节内容,并将其保存到以书名命名的文本文件中。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import requests

from bs4 import BeautifulSoup

# 发送请求,获得响应
def get_page(url):
    header={
        'User-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36'
    }
    cont=requests.get(url,headers=header)  #发送请求
    html=cont.content  #获取网页内容
    title=BeautifulSoup(html).title.text.split('(')[0]  #根据网页获取书名
    filename=title+'.txt'  #建立书单
    tag = BeautifulSoup(html).find_all('dd', {'class': 'col-md-3'}) #获取章节名
    with open(filename,'w+',encoding="utf-8") as file:
        file.write(title+'\n\n')
        for link in tag:
            title=link.string
            file.write(title+'\n\n')
            link=link.find('a')['href']
            link=requests.get(url+link)
            html2=link.content
            cont=BeautifulSoup(html2).find(id='htmlContent')
            content=cont.text
            file.write(content+'\n\n')


if __name__ == '__main__':
    # 1.获取url地址
    page=input('请输入对应的网页:')#填写一个对应的数字即可
    url='http://www.7kankan.la/book/'+page+'/'
    get_page(url)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值