小说迷有福了。学会这个,不用再受网页端广告的骚扰,也不用再花钱去各个小说平台看了。自己批量爬取他不香吗?
对于爱学习的朋友来说也是福音呀。各种资料去爬取,保存下来。更加有利于提高自己的学习效率。
上述两点都是小道,最重要的是爬虫学习的好,是可以工作或者去接单挣外快的。
python爬虫学习实践之电子书爬取
1.获取网页信息
import requests #导入requests库
'''
获取网页信息
'''
if __name__ == '__main__': #主函数入口
target = 'https://www.xsbiquge.com/78_78513/108078.html'#要爬取的目标地址
req = requests.get(url=target) #进行get请求
req.encoding='utf-8' #设置编码
print(req.text) #打印输出
2.引入BeautifulSoup对网页内容进行解析
import requests #导入requests库
from bs4 import BeautifulSoup #引入BeautifulSoup库
'''
引入BeautifulSoup对网页内容进行解析
获取网页电子书文本信息
'''
if __name__ == '__main__': #主函数入口
target = 'https://www.xsbiquge.com/78_78513/108078.html'#要爬取的目标地址
req = requests.get(url=target) #发起请求,获取html信息
req.encoding='utf-8' #设置编码
html = req.text #将网页的html信息保存在html变量中
bs = BeautifulSoup(html,'lxml') #使用lxml对网页信息进行解析
texts = bs.find('div',id='content') #获取所有<div id = "content">的内容
print(texts) #打印输出
3.切分数据,去掉空格,提取文字