云南云南住房和城乡建设厅网站apm搭建 wordpress
python爬取书包网文章总结
今天闲来无事去看小说，但是发现没办法直接下载，所以呢就用python爬虫来下载一波了，哈哈…
爬取的是这篇小说：剑破九天(是不是很霸气，话不多说，开始…)
总体思路步骤分为以下三步：
1.获得文章的每个章节链接地址
2.获得章节内容
3.保存到指定位置
首先，进入到自己想要下载小说的网址，按F12进入开发者工具，然后
单击这个然后在原网页点击章节列表即可发现以下数据：
接下来就是提取这个章节的url了，我是用的xpath，当然也可以用正则和bs4，如下代码
book_list = res.xpath('//div[@class="wp b2 info_chapterlist"]/ul/li')
此时book_list中就可以得到所有章节的url了（第一步完）
第二步就是获得章节具体内容了：
和第一步相似，用xpath即得到章节名和其中一章节内容
章节名称：name = res.xpath('//h1/text()')
章节内容：message_list = res.xpath('//dd[@id="contents"]/text()')
获得了自己需要的章节内容后就要进入第三步的保存了，不过在一开始保存时在100章左右时用以下代码出现了UnicodeEncodeError这个问题
for m in message:with open("D:\英雄时刻\{name}.txt".format(name="剑破九天"),"a") as f:f.write(m)
然后发现是默认编码方式问题，其默认为gbk，所以需要改成“utf-8”的格式，代码如下：
for m in message:with open("D:\英雄时刻\{name}.txt".format(name="剑破九天"),"a",encoding="utf-8") as f:f.write(m)
然后就可以喝一杯茶慢慢等爬取完成了，哈哈，以下为代码：
#剑破九天.textimport requests
import json
from lxml import htmldef get_booklist(n):#获得章节地址url = "https://www.bookbao99.net/book/201706/05/id_XNTc5MDg2.html"header = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}response = requests.get(url,headers = header)response.encoding = "utf-8"res = html.fromstring(response.text)book_list = res.xpath('//div[@class="wp b2 info_chapterlist"]/ul/li')print(len(book_list))#章节个数for book in book_list:#遍历所有章节try:t = book.xpath('a/@href')book_url = "https://www.bookbao99.net" + t[0]get_message(book_url)print("第{n}章爬取完毕".format(n=n))n += 1except UnicodeEncodeError:print("出现一个错误")continuedef get_message(url):#提取每个章节内容header = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}response = requests.get(url,headers = header)response.encoding = "utf-8"res = html.fromstring(response.text)name = res.xpath('//h1/text()')n = '\n'+name[0]+'\n\n'#print(name[0])message_list = res.xpath('//dd[@id="contents"]/text()')message_list.insert(0,n)#print(message_list)save_book(message_list)def save_book(message):#保存for m in message:with open("D:\英雄时刻\{name}.txt".format(name="剑破九天"),"a",encoding="utf-8") as f:f.write(m)if __name__ == "__main__":n = 1get_booklist(n)
是不是美滋滋。
最后呢，欢迎一起讨论爬虫哟~~~