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

评论 1
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

打赏作者

HPUJQT

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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