这几天学了python的requests库和BeautifulSoup,闲来爬取晋江网一篇小说。
1.过程分析:
(1)获取全部免费章节的标题和链接(前23章),后面的章节是vip收费,没有账号充值无法爬取
(2)进入每章的链接爬取小说正文
其实爬取得思路比较简单,稍微复杂的是小说正文的正则匹配
2.代码实现:
# coding: utf-8
import requests
from bs4 import BeautifulSoup as bs
import re
start_url = "http://www.jjwxc.net/onebook.php?novelid=1857985"