用PYTHON爬虫简单爬取网络小说。

这里是17K小说网上，随便找了一本小说，名字是《千万大奖》。

里面主要是三个函数：

1、get_download_url() 用于获取该小说的所有章节的URL。

分析了该小说的目录页http://www.17k.com/list/2819620.html的HTML源码，发现其目录是包含在Volume里的A标签合集。所以就提取出了URLS列表。

2、get_contents(target) 用于获取小说指定章节的正文内容

分析了小说中第一章节的页面http://www.17k.com/chapter/2819620/34988369.html，发现其正文内容包含在P标签中，正文标题包含在H1标签中，经过对换行等处理，得到正文内容。传入参数是上一函数得到的URL。

3、writer(name, path, text) 用于将得到的正文内容和章节标题写入到千万大奖.txt

理论上，该简单爬虫可以爬取该网站的任意小说。from bs4 import BeautifulSoup

import requests, sys

'''

遇到不懂的问题？Python学习交流群：821460695满足你的需求，资料都已经上传群文件，可以自行下载！

'''

target='http://www.17k.com/list/2819620.html'

server='http://www.17k.com'

urls=[]

def get_download_url():

req = requests.get(url = target)

html = req.text

div_bf = BeautifulSoup(html,'lxml')

div = div_bf.find_all('dl', class_ = 'Volume')

a_bf = BeautifulSoup(str(div[0]),'lxml')

a = a_bf.find_all('a')

for each in a[1:]:

urls.append(server + each.get('href'))

def get_contents(target):

req = requests.get(url = target)

html = req.text

bf = BeautifulSoup(html,'lxml')

title=bf.find_all('div', class_ = 'readAreaBox content')

title_bf = BeautifulSoup(str(title[0]),'lxml')

title = title_bf.find_all('h1')

title=str(title[0]).replace('

','')

title=str(title).replace('','')

title=str(title).replace(' ','')

title=str(title).replace('\n','')

texts = bf.find_all('div', class_ = 'p')

texts=str(texts).replace('
','\n')

texts=texts[:texts.index('本书首发来自17K小说网，第一时间看正版内容！')]

texts=str(texts).replace('                                        　　','')

return title,str(texts[len('[