爬虫批量下载全站小说并自动保存

目的是下载一个网站所有分类的小说，并且按照分类自动创建目录、根据小说名保存为txt文件。

一、抓取思路：

　　我的思路是百度一个小说网站，找到一本小说的章节页，使用requests、BeautifulSoup测试是否能

正常下载。如果能正常下载，进行下一步。

二、操作顺序：

1.导入模块，指定网页请求头：

from bs4 import BeautifulSoup
import requests
import time
import os
import randommy_headers = ["Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36","Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0""Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14","Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)"]headers = {'User-Agent':random.choice(my_headers)#随机选取模拟浏览器
}

　 2.获取一本小说的章节页，并写入指定路径：

#url = 'http://www.fhxiaoshuo.com/read/3/3414/6127874.shtml'data = requests.get(url,headers=headers)time.sleep(2)soup = BeautifulSoup(data.text.encode('ISO-8859-1').decode('GB18030'),'lxml')#注意.encode('ISO-8859-1').decode('GB18030')的用法

text = soup.select('div.zhangjieTXT')[0].text title2 = soup.select('div.zhangjieming > h1')[0].text ls = [] for i in text: 　　if i in "'\r','ads_wz_2();','\xa0','\t','\n','“','\t','■', '◆', 'n', '■', '◆', 'h', 'u', '■', '◆', 'b', '，', '∧', 'n', '♀', '※',": 　　　　continue 　　ls.append(i) text =''.join(ls) print('正在下载{}'.format(title2)) with open('.\\books\\' + 'title1' + '.txt','ab+') as f: 　　f.write((title2 + '\r\n').encode()) #写入标题 　　f.write(text.encode())#写入正文 　　f.write('\r\n\r\n'.encode())#写入换行

3.获取一本小说的全部章节链接：

def get_urls(url,fenlei_title):#url = 'http://www.fhxiaoshuo.com/read/3/3414/'data = requests.get(url,headers=headers)time.sleep(2)soup = BeautifulSoup(data.text.encode('ISO-8859-1').decode('GB18030'),'lxml')title1 = soup.select('div#maininfo > div > h1')[0].textif not os.path.exists('.\\books\\' + fenlei_title + '\\'+ title1):os.mkdir('.\\books\\' + fenlei_title + '\\'+ title1)links = soup.select('div#list > dl')print("正在下载{}".format(title1))#ls = []for i in links:data = i.select('dd > a')time.sleep(2)for m in data:url = m.get('href')#ls.append(ls)get_text(url,title1,fenlei_title)

4.获取一个分类，比如武侠类的全部小说：

def get_list(url,fenlei_title):#url = 'http://www.fhxiaoshuo.com/sort/5/1/'data = requests.get(url,headers=headers)time.sleep(1)soup = BeautifulSoup(data.text.encode('ISO-8859-1').decode('GB18030'),'lxml')links = soup.select('div#alist')for i in links:data = i.select('div.info > div.title > h2 > a')for m in data:url = m.get('href')time.sleep(3)title = m.textget_urls(url,fenlei_title)

5.获取首页全部分类链接：

def get_fenlei():url = 'http://www.fhxiaoshuo.com/'data = requests.get(url,headers=headers)time.sleep(0.5)soup = BeautifulSoup(data.text.encode('ISO-8859-1').decode('GB18030'),'lxml')links = soup.select('div.nav1 > ul')for i in links:data = i.select('li > a')for m in data:url = m.get('href')time.sleep(1)fenlei_title = m.textif not os.path.exists('.\\books\\' + fenlei_title):os.mkdir('.\\books\\' + fenlei_title)get_list(url, fenlei_title)

三、全部代码如下（使用time.sleep()保障网页请求）：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#Author: ssfrom bs4 import BeautifulSoup
import requests
import time
import os
import randommy_headers = ["Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36","Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0""Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14","Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)"]headers = {'User-Agent':random.choice(my_headers)
}def get_text(url,title1,fenlei_title):#url = 'http://www.fhxiaoshuo.com/read/3/3414/6127874.shtml'data = requests.get(url,headers=headers)time.sleep(2)soup = BeautifulSoup(data.text.encode('ISO-8859-1').decode('GB18030'),'lxml')text = soup.select('div.zhangjieTXT')[0].texttitle2 = soup.select('div.zhangjieming > h1')[0].textls = []for i in text:if i in "'\r','ads_wz_2();','\xa0','\t','\n','“','\t','■', '◆', 'n', '■', '◆', 'h', 'u', '■', '◆', 'b', '，', '∧', 'n', '♀', '※',":continuels.append(i)text =''.join(ls)print('正在下载{}'.format(title2))with open('.\\books\\' + fenlei_title + '\\' +title1 +'\\' + title1 + '.txt','ab+') as f:f.write((title2 + '\r\n').encode())f.write(text.encode())f.write('\r\n\r\n'.encode())def get_urls(url,fenlei_title):#url = 'http://www.fhxiaoshuo.com/read/3/3414/'data = requests.get(url,headers=headers)time.sleep(2)soup = BeautifulSoup(data.text.encode('ISO-8859-1').decode('GB18030'),'lxml')title1 = soup.select('div#maininfo > div > h1')[0].textif not os.path.exists('.\\books\\' + fenlei_title + '\\'+ title1):os.mkdir('.\\books\\' + fenlei_title + '\\'+ title1)links = soup.select('div#list > dl')print("正在下载{}".format(title1))#ls = []for i in links:data = i.select('dd > a')time.sleep(2)for m in data:url = m.get('href')#ls.append(ls)
            get_text(url,title1,fenlei_title)def get_list(url,fenlei_title):#url = 'http://www.fhxiaoshuo.com/sort/5/1/'data = requests.get(url,headers=headers)time.sleep(1)soup = BeautifulSoup(data.text.encode('ISO-8859-1').decode('GB18030'),'lxml')links = soup.select('div#alist')for i in links:data = i.select('div.info > div.title > h2 > a')for m in data:url = m.get('href')time.sleep(3)title = m.textget_urls(url,fenlei_title)def get_fenlei():url = 'http://www.fhxiaoshuo.com/'data = requests.get(url,headers=headers)time.sleep(0.5)soup = BeautifulSoup(data.text.encode('ISO-8859-1').decode('GB18030'),'lxml')links = soup.select('div.nav1 > ul')for i in links:data = i.select('li > a')for m in data:url = m.get('href')time.sleep(1)fenlei_title = m.textif not os.path.exists('.\\books\\' + fenlei_title):os.mkdir('.\\books\\' + fenlei_title)get_list(url, fenlei_title)get_fenlei()

asd

转载于:https://www.cnblogs.com/ssxsy/p/9040741.html

爬虫批量下载全站小说并自动保存相关推荐

【爬虫实战项目】Python爬虫批量下载音乐飙升榜并保存本地（附源码）
前言今天给大家介绍的是Python爬虫批量下载音乐飙升榜并保存本地,在这里给需要的小伙伴们代码,并且给出一点小心得. 首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是 ...
【爬虫实战项目】Python爬虫批量下载评书音频并保存本地（附源码）
前言今天给大家介绍的是Python爬虫批量下载评书音频并保存本地,在这里给需要的小伙伴们代码,并且给出一点小心得. 首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是这 ...
简单python网络爬虫批量下载视频
寒假闲来无事,决定尝试一下用python写一个小网络爬虫批量下载视频. 由于是第一次写网络爬虫,可以说是两眼一抹黑,整个程序都是自己一点点试出来的,所以程序本身肯定有一些漏洞和缺陷,如果有建议请批评指 ...
python爬虫批量下载“简谱”
python讨论qq群:996113038 导语: 上次发过一篇关于"python打造电子琴"的文章,从阅读量来看,我们公众号的粉丝里面还是有很多对音乐感兴趣的朋友的.于是,今天我 ...
新一配：perl循环调用python爬虫批量下载喜马拉雅音频
新一配:perl循环调用python爬虫批量下载喜马拉雅音频手机下载喜马拉雅音频后,获得的音频文件虽然可以转成mp3格式,但其文件名却是一长串字符串,无法辨别是哪一集,网上找了各种工具,都有局限性, ...
ios Objective-c 视频下载功能实现并自动保存到相册
ios 视频下载功能实现并自动保存到相册(有MBProgressHUD 可以解开注释) 视频类定义属性 ///@property (nonatomic,strong) MBProgressHUD * ...
【爬虫实战项目】Python爬虫批量旅游景点信息数据并保存本地（附源码）
前言今天给大家介绍的是Python爬虫批量下载旅游景点信息数据,在这里给需要的小伙伴们代码,并且给出一点小心得. 首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是这样 ...
python爬虫批量下载高清大图
文章目录前言下载免费高清大图下载带水印的精选图代码与总结前言在上一篇写文章没高质量配图?python爬虫绕过限制一键搜索下载图虫创意图片!中,我们在未登录的情况下实现了图虫创意无水印高清小 ...
第二弹！python爬虫批量下载高清大图
文章目录前言下载免费高清大图下载带水印的精选图代码与总结前言在上一篇写文章没高质量配图?python爬虫绕过限制一键搜索下载图虫创意图片!中,我们在未登录的情况下实现了图虫创意无水印高清小 ...

爬虫批量下载全站小说并自动保存

爬虫批量下载全站小说并自动保存相关推荐

最新文章

热门文章