python之新手一看就懂的小说爬虫

简易小说爬虫教程
本文介绍了一个简单的Python爬虫程序,用于抓取指定网站的小说章节内容并保存为本地文件。该程序使用了urllib.request和BeautifulSoup库,通过设置请求头来模拟浏览器行为,并解析HTML获取小说章节标题及正文。
晚上回来学学爬虫,记住,很多网站一般新手是爬不出来的,来个简单的,往下看:


import urllib.request
from bs4 import BeautifulSoup #我用的pycharm需要手动导入这个包的
import lxml  #同上



def getHtml(url,headers):
req = urllib.request.Request(url=url, headers=headers)
res =urllib.request.urlopen(req)
html = res.read()
return html

def saveTxt(path,html):
f = open(path,'wb')
f.write(html)

def praseHtml(currentURL,headers,path):
# html = html.decode('utf-8')
chapter = 0
flag = 1
while flag:
chapter = chapter+1
if chapter >= 30: #控制下载的数量,太多数据电脑要爆。
flag = 0 #停止下载
html = getHtml(currentURL,headers)
savePath = path +"\\"+str(chapter)+ ".txt"
f = open(savePath,"w")
soup =BeautifulSoup(html,"lxml") #注意这里是lxml格式,我第一次居然写成了html,不小心就会吃亏的
nameText = soup.find('h3',attrs={'class':'j_chapterName'})
contentText = soup.find('div',attrs={'class':'read-content j_readContent'})
result = nameText.getText()+'\n'+contentText.getText()
result = result.replace(' ','\n ')
f = open(savePath,"w")
f.write(result)

nextpage = soup.find('a',attrs={'id':'j_chapterNext'})
if next :
currentURL = "http:" + nextpage['href']
else:
currentURL = None
flag = 0

def main():
url = "https://www.readnovel.com/chapter/22160402000540402/107513768840595159"
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'} #请求头自己可以再网页中查看 (f12->network->刷新)
path = "D:\\novel"
praseHtml(url,headers,path)

main()

转载于:https://www.cnblogs.com/litinghappy/p/9180434.html

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