python爬取小说网站_Python爬取小说网站下载小说
1前言
这个小程序是用来爬取小说网站的小说的,一般的盗版小说网站都是很好爬取的
因为这种网站基本没有反爬虫机制的,所以可以直接爬取
该小程序以该网站http://www.126shu.com/15/下载全职法师为例
2.requests库
requests库非常得简单好用,他可以向网站发送请求,接收信息
最简单的一个例子即是
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
raise_for_status()的功能是若服务器发送404/502之类的错误码raise_for_status()便会抛出异常
r.encoding = r.apparent_encoding这一行语句用于调整编码,encoding为代码猜测出来的编码,可能并不准确
def get_html(url):
try:
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return " HTMLERROR "
3.BeautifulSoup库
BeautifulSoup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找
基本用法:
url_list=[]
soup = BeautifulSoup(html,'lxml')
lista = soup.find_all('dd')
找到dd元素的原因是通过F12开发者工具发现每个章节的链接都在该元素中存储
于是可以在每个元素中都可以找到该链接,然后把他放在要返回的列表中
for Url in lista:
try:
url_list.append('http://www.126shu.com/'+Url.a['href'])
except:
print('获取连接失败')
4.获取内容
前两步处理完毕后获取了每个章节的链接,接下来就是对每个章节的内容进行处理
通过F12开发者工具我们同样可以发现文本在哪,标题在哪,于是可以写出代码,然后打开文件进行写入
def get_content(url):
html = get_html(url).replace('
','\n')
soup = BeautifulSoup(html,'lxml')
try:
txt = soup.find('div',id='content').text
title = soup.find('div','hh').text
with open('全职法师.txt','a+',encoding = 'utf-8')as f:
f.write(title+'\n\n')
f.write(txt)
except:
print('ERROR')
5.完整代码
由于我只是下载后面的章节,于是在main()函数中我设置了n变量进行判断
import requests
import time
from bs4 import BeautifulSoup
def get_html(url):
try:
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return " HTMLERROR "
def get_url(url):
url_list=[]
html = get_html(url)
soup = BeautifulSoup(html,'lxml')
lista = soup.find_all('dd')
for Url in lista:
try:
url_list.append('http://www.126shu.com/'+Url.a['href'])
except:
print('获取连接失败')
return url_list
def get_content(url):
html = get_html(url).replace('
','\n')
soup = BeautifulSoup(html,'lxml')
try:
txt = soup.find('div',id='content').text
title = soup.find('div','hh').text
with open('全职法师.txt','a+',encoding = 'utf-8')as f:
f.write(title+'\n\n')
f.write(txt)
except:
print('ERROR')
def main(url):
url_list=get_url(url)
n = 1
for Url in url_list:
n = n + 1
if n>1525:
get_content(Url)
url = 'http://www.126shu.com/15/'
if __name__ =='__main__':
main(url)
python爬取小说网站_Python爬取小说网站下载小说相关推荐
- python爬取地理数据_python爬取所有人位置信息——腾讯位置大数据
腾讯位置大数据 网站 https://heat.qq.com/ 网站功能介绍 腾讯位置大数据会将提供所有用户使用腾讯位置的数据信息,但没有用户信息(只有位置信息).从这个网站我们可以获取所有使用腾讯位 ...
- python手机壁纸高清_python爬取手机壁纸
最近学习lxml库,拿一个普通的手机壁纸网站练手,现将具体操作过程记录下来,一来可以达到记录的作用,二来也希望能和大家多交流,提高自己的代码能力. 第一步:导入需要的库表采用requests库进行页面 ...
- python抓取微博评论_Python爬取新浪微博评论数据,你有空了解一下?
开发工具 Python版本:3.6.4 相关模块: argparse模块: requests模块: jieba模块: wordcloud模块: 以及一些Python自带的模块. 环境搭建 安装Pyth ...
- python 柱状图上显示字体_Python爬取百部电影数据,我发现了这个惊人真相!
2019年就这么匆匆过去了,就在前几天国家电影局发布了2019年中国电影市场数据,数据显示去年总票房为642.66亿元,同比增长5.4%:国产电影总票房411.75亿元,同比增长8.65%,市场占比 ...
- python爬取手机微信_Python爬取微信好友
前言 今天看到一篇好玩的文章,可以实现微信的内容爬取和聊天机器人的制作,所以尝试着实现一遍,本文记录了实现过程和一些探索的内容 itchat安装 对微信的控制可以使用itchat来实现,我们找到itc ...
- python爬取贴吧_python爬取
python爬取百度贴吧源码,由吾爱大神原创制作,通过python爬虫程序来实现对百度贴吧的回复爬取,可以自动生成excel文件,让你能更加清晰地查看贴吧的回复与帖子信息.本次放出python爬取百度 ...
- python开源代码百度盘_python爬取百度云网盘资源-源码
今天测试用了一下python爬取百度云网盘资源. 代码片段import urllib import urllib.request import webbrowser import re def yun ...
- python手机壁纸超清_Python 爬取高清桌面壁纸
今天写了一个脚本用来爬取ZOL桌面壁纸网站的高清图片: 本程序只爬了美女板块的图片,若要下载其他板块,只需修改程序中的"meinv"即可 代码如下: #coding=utf-8 i ...
- python爬取动态网页_python爬取动态网页数据,详解
原理:动态网页,即用js代码实现动态加载数据,就是可以根据用户的行为,自动访问服务器请求数据,重点就是:请求数据,那么怎么用python获取这个数据了? 浏览器请求数据方式:浏览器向服务器的api(例 ...
最新文章
- 机器学习中的异常检测手段
- Leetcode::Balanced Binary Tree
- ORACLE---数据库巡检
- js的arguments_javascript
- Android零基础入门第24节:自定义View简单使用
- floyd算法和动态规划
- java.lang.ExceptionInInitializerError
- 跟随美国博导12年,我学到最深刻的不是科研,而是这个。。。
- Pytorch相关函数详解
- appium装上开始干嘛
- python静态方法和类方法的区别_python中类的静态方法和类的类方法
- Redis的持久化 RDB AOF
- verilog 中生成块的相关知识
- win10 更新 英特尔显示器音频 后显示器音箱没有声音
- Quartz 源码解析(一) —— 基本介绍
- 如何将mov转换成mp4?详细的步骤分享
- linux下微生物软件,微生物多样性专题 | 扩增子测序分析实战(三)软件安装
- 在安卓系统中集成YAHFA框架
- PHP电子商城需求分析,网站(电子商城)设计与实现[原创]
- java常见面试题(含答案)