python爬虫小说代码示例-中文编程，用python编写小说网站爬虫

原标题：中文编程，用python编写小说网站爬虫

作者：乘风龙王

原文：https://zhuanlan.zhihu.com/p/51309019

为保持源码格式, 转载时使用了截图. 原文中的源码块为文本格式.

我比较喜欢看小说，在网络上看小说一般有2种选择，正版或盗版。正版要钱，盗版要么只能在线阅读，要么下载下来一堆广告。既然学了python就应该写点爬虫练练手，把网络小说爬下来。

本文章需要的python第三方库：

requests（获取网页内容）

BeautifulSoup4（解析网页内容）

本文章需要读者具备python基础知识，并且我不会对文章中所出现的标准库、第三方库的每个类/函数的作用进行解释，请大家自行查阅资料。我不会对代码中的中文命名进行解释。

寻找目标

由于那些著名的小说网站具有很强的版权意识，防盗版措施做得很好，要把小说内容爬下来不是很容易。所以我选择一个盗版小说网站作为爬虫目标。

嗯，全是盗版。

首先编写代码获取文档内容。

打开其中一本小说目录页，记住地址，然后调用 f获取文档测试代码是否可以运行。

看起来只输出了一半内容，实际上 v文档已经包含了所有内容，只不过是字符串太长了被print截断而已。

框架

浏览一下小说网站结构，每个小说页面可以分为目录页、正文页。

设计2个接口，分别取名 I小说和 I章节，I小说用来提取小说信息和目录，I章节用来提取章节信息和小说正文。同时定义 I文档，负责从网站上获取文档

提取目录

先查看一下目录页的内容

从图中可以看到，目录最前面有最新章节，目录最后还有重复章节，这些都是需要去除掉的，保留从正文卷开始的章节。

检查网页元素后可知道，目录包含在

元素中，章节链接藏在元素里。然后开始写代码：

提取目录的代码很简单，把上面提到的

找出来，再遍历元素，去除重复项。注意元素的href属性不包含域名，所以创建章节对象时要把地址前面部分加上。

修改一下主函数，运行代码

似乎还有重复章节。我点开一些重复章节看了一下，地址不一样但是内容是一样的，应该是网站录入时出了问题。这个我就不管了。

提取正文

提取完目录后，再看一下正文页。

发现正文最底下有广告链接，这个也要去掉。

分析网页元素，可以知道正文全部包含在

这个元素中，只要把这个元素找出来，取字符串，过滤广告就行了。

修改主函数测试代码是否可用

从运行结果看，爬到的正文有空行有缩进。虽然没有问题，但是小说最终是要放进阅读器里慢慢看的，并不是所有的阅读器都能正确处理空行和缩进，所以还要在代码里对正文进一步处理。

写一个函数叫 f处理正文，负责处理乱七八糟的空行和缩进

然后修改 C章节.fg正文，在返回字符串时做一些处理

return f处理正文(v正文文本)

这样看起来好多了。

保存

确认可以爬到目录和正文之后，接下来就是把正文保存到电脑上。

在实际测试中，网站经常返回503。如果在代码里增加错误重试功能会导致代码变得又臭又长，这里我就不写了。

打开下载下来的文本文件看看。因为网站经常503，只爬了前几章就断掉了，所以没爬完。

结尾

上面的代码可以从一个特定的小说网站下载小说。但是这个网站是盗版小说网站，容易被封掉。或者有各式各样的理由需要从另外一个网站下载小说呢？

由于上面已经写过一些代码了，只需要照葫芦画瓢，重新写个 C小说和 C章节就行了。其他什么都不用动。

文章里的代码省略了很多细节，比如HTTP请求头、文档编码处理、异常处理，只保留最重要的爬虫代码。完整代码我发到了github上，见：https://github.com/cflw/cflw_py。

最后请大家以学习研究为目的写爬虫，毕竟爬别人的劳动成果是不好的，请大家多多支持正版。

更多中文编程推广过程内情, 请关注“用中文编程”微信公众号.返回搜狐，查看更多

责任编辑：

python爬虫小说代码示例-中文编程，用python编写小说网站爬虫相关推荐

python爬小说代码_中文编程，用python编写小说网站爬虫
原标题:中文编程,用python编写小说网站爬虫作者:乘风龙王原文:https://zhuanlan.zhihu.com/p/51309019 为保持源码格式, 转载时使用了截图. 原文中的源码块 ...
python简单编程例子-中文方便就用中文编程！Python图形界面开发实例
原标题:中文方便就用中文编程!Python图形界面开发实例之前做的一个Python小程序,功能很简单,面对用户群也很窄,是五笔编码编.校人员使用的五笔编码编辑器. 这样的"周末" ...
python如何更新包_python如何更新包 python更新包代码示例
python如何更新包?本篇文章小编给大家分享一下python更新包代码示例,代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看. Python安装新包,pip是 ...
python编程代码示例_python编程线性回归代码示例
用python进行线性回归分析非常方便,有现成的库可以使用比如:numpy.linalog.lstsq例子.scipy.stats.linregress例子.pandas.ols例子等. 不过本文使用 ...
风控Python绘图技法代码示例
最重要的事情开始都会讲:建模是始终服务于业务的,没有业务的评分卡就没有灵魂承接风控建模篇第5节,现对各个细节点讲解绘图元素代码示例 First part 位置决定身材整体框架的布局位置设置画 ...
python入门基础代码图-【01】Python基础入门 (全)
一.字符串 1. 字符串切片切片: name="abcdef" name[2:5]="cde" 跳取: name="abcdef" nam ...
python怎么执行代码漏洞_如何使用python查找网站漏洞
展开全部如果你的Web应用中存在Python代码注入e69da5e6ba9062616964757a686964616f31333361326363漏洞的话,攻击者就可以利用你的Web应用来向你后台 ...
全国python一级考试_全国青少年软件编程（python）等级考试试卷（一级）
下列选项中可以获取Python整数类型帮助的是 A.>>> help(float)B.>>> dir(str)C.>>> help(int)D.& ...
python拼图游戏代码_教你用Python自制拼图小游戏，轻松搞定熊孩子
摘要:本文主要为大家详细介绍了python实现拼图小游戏,文中还有示例代码介绍,感兴趣的小伙伴们可以参考一下. 开发工具 Python版本:3.6.4 相关模块: pygame模块: 以及一些Pyth ...

python爬虫小说代码示例-中文编程，用python编写小说网站爬虫

python爬虫小说代码示例-中文编程，用python编写小说网站爬虫相关推荐

最新文章

热门文章