爬虫小案例06—使用Beautiful Soup获取小说内容

【爬虫实例1】python3下使用beautifulsoup爬取数据并存储txt文件 1:运行环境: python: 3.7.0 系统:Windows IDE:pycharm 2017 2:需要安装的库: requests 和 beautifulsoup 3:完整代码: # coding:utf-8 import requests from bs4 import BeautifulSoup import bs4 def ge... 阅读详情

在这里插入图片描述

import requests
from bs4 import BeautifulSoup
def get_chapterLink(url):
    '''获取该篇小说的所有章节url'''
    headers ={
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
    }
    r = requests.get(url,headers=headers)
    r.encoding = r.apparent_encoding
    bs = BeautifulSoup(r.text,'lxml')
    all_a_tag = bs.find('dl').find_all('a')
    chapter_link = []
    # 提取出所有的章节网址
    for i in all_a_tag:
        chapter_link.append(i['href'])
    return chapter_link
def get_one_page_content(url,novel_name):
    '''下载某章节小说内容,并将其保存到novel_name文件夹中'''
    import os
    if not os.path.exists(novel_name):  #判断是否存在文件夹如果不存在则创建为文件夹
        os.makedirs(novel_name)

    headers ={
            'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
        }
    r = requests.get(url,headers=headers)
    r.encoding = r.apparent_encoding
    bs = BeautifulSoup(r.text,'lxml')
    title = bs.find('h1').text
    content = bs.find(id = 'content')
    content = content.text.replace('\xa0','').replace('\r','\n\n')
  
    f = open(novel_name+'/'+title+'.txt' , 'w')
    # 写入标题
    f.write(title)
    # 写入两个换行
    f.write('\n\n')
    # 写入内容
    f.write(content)
    f.close()
def download_novel(basic_link, novel_name):
    """功能: http://www.shuquge.com 从这个小说网站下载小说
    basic_link: 小说主页
    novel_name: 文件夹名称"""
    # 获取到小说的章节网址列表
    chapter_link_list = get_chapterLink(basic_link)
    for i in chapter_link_list:
        chapte_url = basic_link + i # 拼接网址
        # 调用上面的那个采集函数
        get_one_page_content(chapte_url,novel_name)

实例:

download_novel('https://www.shuquge.com/txt/3478/', '夜的命名术')
Python爬虫编程思想(59): 用Beautiful Soup CSS选择器获取属性值与文本 由于select方法同样会返回Tag对象的集合,所以可以使用Tag对象的方式获取节点属性值和文本内容。获取属性值可以使用attrs,也可以直接使用[...]方式引用节点的属性。获取节点的文本内容可以使用get_text方法,也可以使用string属性。 下面的例子使用CSS选择器选取特定的a节点,并获取a节点的href属性值和文本内容。 from bs4 import BeautifulSoup html = ''' <div> <ul> ... 阅读详情

相关推荐

让 AI 自己“画施工图”——基于扩散模型的智能 CAD 管线生成

AI驱动CAD管线设计革命:Layout2CAD实现30秒自动化出图 针对设计院70%时间耗费在管线绘制的问题,研究团队基于Stable Diffusion开发了Layout2CAD系统,实现建筑草图到DWG施工图的智能转换。该系统采用三阶段流程:语义分割建筑底图→扩散生成多通道Heatmap(含管径/标高信息)→矢量化输出DWG实体,结合129M参数的多模块模型(Diffusion UNet+GraphRefiner)及规范判别器,确保1mm精度并自动满足GB50015-2019标准。

qq_74383080的博客 2014

爬取小说案例-BeautifulSoup教学篇

当我们进行爬取各种资源,拿到源码进行解析数据的时候,会用到各种解析方式,本文介绍爬取起点小说网万相之王小说并把每章内容储存到本地的一个案例,使用比较受欢迎的python第三方库BeautifuSoup来进行解析数据。BeautifulSoup 是一个用于从 HTML 和 XML 文件中提取数据的 Python 库。它提供了一些简单的函数用来处理导航、搜索、修改分析树等功能。它能够帮助开发者高效地从网页等结构化文档中抓取和解析信息,比如提取网页中的文本、链接、图片等各种元素。

小小啊python的博客 1067

三种1:4传输线变压器巴伦的分析

满足多模多馈天线系统匹配要求的传输线变压器巴仑有:双线传输线变压器( 见图1) 、三线传输线变压器( 见图4) 和四线传输线变压器( 见图5) 。尽管3 者的结构不同, 但都可实现1∶4 阻抗变换和不平衡-平衡转换。下面就应用电报方程对它们的阻抗变换特性和输出平衡特性进行分析。

weixin_42407808的博客 8051

python爬虫系列:BeautifulSoup下载小说讲解(零基础向)

先放上代码 import requests #引入request库 from bs4 import BeautifulSoup ###以笔趣阁《圣域》为目标的爬取 url = "https://www.xbiquge.la/13/13959/" #UA伪装 让浏览器识别为用户而非爬虫 headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chr

m0_58288142的博客 1465

CarMaker快速入门

本合集是小明师兄推出的CarMaker汽车仿真,CarMaker无论是传统动力学、动力系统开发、底盘系统开发还是目前智能驾驶辅助系统及智能驾驶系统开发有着非常重要的作用,可以有效节省开发周期和开发成本,基于仿真快速实现算法开发和系统验证。...

小明师兄的博客 1万+

Eplan2022 复制已有的宏文件生成新的原理图宏文件

Eplan2022 新建原理图宏文件

haier123888的博客 1万+

Python | 利用BeautifulSoup爬取笔趣阁小说保姆级教学

BeautifulSoup爬取笔趣阁指定章节

shenshan_的博客 984

ubuntu20.04安装nvidia-docker(解决有 Release 文件。 N: 无法安全地用该源进行更新,所以默认禁用该源错误)

然后想都不要想,nvidia+linux安装的东西,那肯定是不能安装成功的,恶毒的nvidia。按照nvidia官网给出的安装nvidia-docker流程来。在sudo apt-get update出现报错。然后再次update,发现还是会有一些警告类似于。,直接点击网页手动下载,发现下载成功!,注意会有安装先后顺序,安装给的提示就行。最后输入命令发现安装成功。然后替换掉里面的内容。直接不管,直接上命令。

weixin_48144140的博客 1237

学习Python+BeautifulSoup爬取小说

1、明确目标 本次目标是利用BeautifulSoup,爬取http://t.icesmall.cn/网站下一本完整小说。 Beautiful Soup 4.4.0 文档地址https://beautifulsoup.readthedocs.io/zh_CN/latest/#beautifulsoup 2、网页分析 小说目录页面,有每一章节的名称及章节地址,全都在 < li > 标签中,获取所有的章节地址,一次访问一整本小说。 小说内容页面,章节名称位于class="post-title gr

feng的博客 1592

STK相关总结

STK简介 一.SIM卡应用工具包(SIM Application Toolkit),又名CAT/USAT,它包含一系列终端与SIM卡的交互指令,SIM卡可以应用卡内的小应用程序和终端交互,从而实现增值服务的目的,STK包括三种类,STK-imsi切换,STK –OTA,STK-BIP 功能: (1) Profile download:配置下载,开机初始化SIM卡过程中,终端告诉SIM卡终端支持哪些功能,STK中download指终端将数据发送给SIM卡 (2) Proactive command: 主动式

jingjing_2的博客 3357

大数据知识面试题-通用(2026版)

序列号 内容 链接 1 大数据知识面试题-通用(2022版) 待续… 2 大数据知识面试题-Hadoop(2022版) 待续… 3 大数据知识面试题-MapReduce和yarn(2022版) 待续… 4 大数据知识面试题-Zookeepr (2022版) 待续… 5 大数据知识面试题-Hive (2022版) 待续… 6 大数据知识面试题-Flume(2022版) 待续… 7 大数据知识面试题-Hbase(2022版) 待续… 8 大数据知识面试题-sqoop(....

拉格朗日的学习笔记 2万+

python爬虫beautifulsoup爬取小说_Python3网络爬虫(七):使用Beautiful Soup爬取小说

一、Beautiful Soup简介简单来说,Beautiful Soup是python的一个库,最主要的功能是从网页抓取数据。官方解释如下:Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。Beautiful Soup自动将输入文档转...

weixin_39616222的博客 1441

VisionPro - 基础 - 模板匹配技术-Search/PMAlign/PatMax(6)-纹理屏蔽和重叠匹配

Note:对已经有了,1已经训练好的模板,2一组使能的自由度,3一个待测的实时图片,PatMax 就能模板匹配的给出变化的最佳描述。对一些综合的模板,这三个输入值往往是一起影响最后的变换结果信息。例如,如果我们训练了一个圆形的模板,然后搜索一个角度自由度包括一个圆,那么将会有无限个可能的角度满足要求。这些组合的模板匹配,被官方名为:退化系统,a degenerate system的结果被叫做a degenerate result 退化结果4.2 退化系统例子。

山云的专栏 1534

Python-爬取小说文字内容(使用beautiful soup实现)

Python-爬取小说文字内容(beautiful soup) 本次爬取的网站为[http://www.136book.com/][6],你可以在页面选择你想要爬取的小说。 文中代码使用Anaconda的Jupyter书写。 Beautiful Soup简介 官方解释: Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它...

sinat_29485667的博客 1万+

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Python beautifulsoup爬取小说

Python beautifulsoup爬取小说 提前准备好需要的库文件,命令行输入以下命令 pip install requests pip install bs4 pip install lxml 首先爬取一章的内容 首先确定爬取小说的目标 https://www.huixsw.com/96035/tc_765624.html 首先使用requests来获取网页的全部内容 from bs4 import BeautifulSoup import requests firurl='https://www

weixin_47701477的博客 1953

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Python3网络爬虫:使用Beautiful Soup爬取小说

本文是http://blog.youkuaiyun.com/c406495762/article/details/71158264的学习笔记 作者:Jack-Cui 博主链接:http://blog.youkuaiyun.com/c406495762 运行平台: OSX Python版本: Python3.x IDE: pycharm 一、Beautiful Soup简介    简单来说,Beautiful

Xiao布_unknown的博客 8818

BeautifulSoup爬取小说中所有的标题和内容

BeautifulSoup使用语法 如何使用实例化BeautifulSoup对象: from bs4 import BeautifulSoup 对象的实例化: 1、将本地的html文档中的数据加载到该对象中 f = open('/test.html','r',encoding='utf-8') soup = BeautifulSoup(f,'lxml') 2、互联网上获取的页面源码加载到该对象中 page_text = response.text soup = Beaut

qq_45786520的博客 925

beautifulsoup获取属性_BeautifulSoup 遍历和获取

遍历文档树直接子节点要点:.contents .children 属性.contentstag 的 .content 属性可以将tag的子节点以列表的方式输出#["","The Dormouse's story"]输出方式为列表,我们可以用列表索引来获取它的某一个元素print(soup.head.contents[0])#.children它返回的不是一个 list,不过我们可以通过遍历获取...

weixin_35723886的博客 772

python 爬取下一页_如何使用Beautifulsoup在python中抓取下一页

通过提取“转到最后一页”元素的page参数来确定最后一页。并通过^{}遍历每个维护web抓取会话的页面:import reimport requestsfrom bs4 import BeautifulSoupwith requests.Session() as session:# extract the last pageresponse = session.get("http://www.en...

weixin_39671509的博客 867

python爬虫beautifulsoup爬取小说_Python爬虫之利用BeautifulSoup爬取豆瓣小说(一)——设置代理IP...

1 #-*-coding:utf-8-*-2 importurllib23 from bs4 importBeautifulSoup4 importtime5 importrandom67 classdbxs:89 def __init__(self):10 self.pageIndex =011 self.enable =True121314 #获...

weixin_35826166的博客 386

python中beautifulsoup怎么输出文本内容_网页内容爬取:如何提取正文内容 BEAUTIFULSOUP的输出...

创建一个新网站,一开始没有内容,通常需要抓取其他人的网页内容,一般的操作步骤如下:根据url下载网页内容,针对每个网页的html结构特征,利用正则表达式,或者其他的方式,做文本解析,提取出想要的正文。为每个网页写特征分析这个还是太耗费开发的时间,我的思路是这样的。Python的BeautifulSoup包大家都知道吧,import BeautifulSoupsoup = BeautifulSoup...

weixin_35871890的博客 2261

python中用BeautifulSoup和urllib模块爬取小说网站中的网络小说

  最近几个月花时间学习了网络爬虫的基本原理及其python实现,大致了解了网络爬虫中的一些基本概念,以后有机会会陆续和大家分享我的学习过程和体会。  网络爬虫就是一个从url找到对应的页面,并从页面中解析出所需数据或新的url的过程,流程图如下:  学习网络爬虫,首先要通过系统性地读爬虫类书籍和大量阅读别人的程序了解爬虫的基本概念、基本流程及其实现、防爬策略的应对以及数据的存储和分布式爬取等问题...

tszupup的博客 2321

Python 数据获取(四)—— BeautifulSoup获取小说内容

要使用bs4,首先需要安装对应的包 pip install beautifulsoup4 本质是通过html中的标签、或者标签中的属性定位到其中的内容。这个过程可以重复多次,例如你可以找到一个较大范围的唯一标签,再在其中定位想要的内容。因此,它比正则表达式要容易上手得多,你只需要找对应标签即可。属性的几种写法: 由于html部分标签属性的关键字跟python关键字是一样的(例如class),直接写这些属性名会报python语法错误,因此bs4的属性有两种写法可

Hehuyi_In的博客 4527

python爬虫——解析网页之Beautiful Soup使用

Beautiful Soup是一个Python包,功能包括解析HTML、XML文档、修复含有未闭合标签等错误的文档(此种文档常被称为tag soup)。这个扩展包为待解析的页面创建一棵树,以便提取其中的数据,这在网络数据采集时非常有用。

普罗王斯的博客 455

BeautifulSoup爬小说

注:这个链接是爬取的《一屋暗灯》,爬别的小说要根据网页的结构改一下soup.select的内容。输入要请求的网页,进行UA伪装,为了避免出现乱码,设置一下encoding。用bs爬取每一章的链接,并对每一章的链接进行requests请求。新建一个.txt文件,用于存储结果。

weixin_63883130的博客 550
上一篇: 使用python根据图片链接下载图片
下一篇: 极速系列02—python通过建立空列表或空DataFrame将多张excel表合并为1张excel表
云晓-
博客等级 码龄9年 92粉丝 93原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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