异步爬取小说---三寸人间

思路

1.先写同步代码,遇到多个url时,创建异步任务。
2.保存到txt文件

导包
import requests
from lxml import etree
import asyncio
import aiohttp, aiofiles
import os
得到url列表
async def get_urls(url, headers):
    resp = requests.get(url=url, headers=headers)
    resp.encoding = 'utf-8'
    tree = etree.HTML(resp.text)
    dd_list = tree.xpath('//div[@id="list"]/dl/dd')
    tasks = []
    # if not os.path.exists('./小说'):
    #     os.mkdir('./小说')
    async with aiohttp.ClientSession(headers=headers) as session:
        for dd in dd_list:
            href = f'http://www.xbiquge.la' + dd.xpath('./a/@href')[0]
            title = dd.xpath('./a/text()')[0]
            tasks.append(asyncio.create_task(get_content(href, title, session)))
        await asyncio.wait(tasks)
        # 得到url列表,并创建异步任务
获取每章的文本内容
async def get_content(url, title, session):
    async with session.get(url) as resp:
        #print(await resp.text())
        html = await resp.text(encoding='utf-8')
        tree = etree.HTML(html)
        content = tree.xpath('string(//div[@id="content"])')[:].replace('    ', '')
        # print(dic)
        async with aiofiles.open(f'./小说/{title}.txt', mode='w', encoding='utf-8') as file:
            # if not os.path.exists(f'./小说/{title}.txt'):
            await file.write(content)
            # else:
            #     print(title + '\t' + '已存在')
    # 异步解析得到的url,并写入txt文件
主程序
if __name__ == '__main__':
    url = 'http://www.xbiquge.la/10/10489/'
    asyncio.run(get_urls(url))
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值