Python 爬虫 书籍爬取实例

网页文字爬取，以爬取整本书籍为例。

一、步骤

①首先，获取目录页的h1（小说名）作为文件夹名并创建文件夹。​

#设置存储文件夹
FName = text1.findAll('h1')[1].text
if not os.path.exists(FName):
    os.mkdir(FName)

②通过要获取小说的目录页，爬取每个章节的链接

#目录下各章节链接获取
t = '<a style="" href="(.*?)">'
AllUrl= re.findall(t, response.text)

③获取每个章节下的文字。章节名作为存储的txt名，并把对应文字存入。

 注意：txt存储存在文件名存在格式问题。故：

 #判断存储文件名类型，去除不符合条件文件名
    for NoName in ["?","/","~","*","<",">",":","|"]:
        if(fileName[-1]==NoName):
            fileName=fileName[0:len(fileName)-1]

二、完整代码