python爬取笔趣阁小说
文章目录
前言
通过学习爬取电子书,了解python爬虫的魅力!
一、获取小说目录结构
获取目录连接
可知目录连接:
url = “http://www.paoshuzw.com/13/13959/”
请求代码
import requests
url = "http://www.paoshuzw.com/13/13959/"
res = requests.get(url=url)
with open('圣墟.html','a',encoding='utf-8') as f:
f.write(res.content.decode('utf-8'))
代码注解:
requests.get(url=url) #请求当前连接
res.content.decode(‘utf-8’) #防止中文字符乱码
解析目录
小说目录连接布局
可知
- 章节连接并不是完整的
- 连接并不是自然增长的
- 所以必须获取所有章节连接
点开任意章节
可知
url:www.paoshuzw.com+
/13/13959/5939025.html#章节连接格式
XPath
XPath即为XML路径语言,它是一种用来确定XML(标准通用标记语言的子集)文档中某部分位置的语言。XPath基于XML的树状结构,有不同类型的节点,包括元素节点,属性节点和文本节点,提供在数据结构树中找寻节点的能力。
XPath基本操作:https://blog.csdn.net/Yuyu920716/article/details/113108444
tqdm
Tqdm在阿拉伯语表示进步,在西班牙语中表示我非常爱你。是一个快速,可扩展的Python进度条,可以在Python长循环中添加一个进度提示信息,用户只需要封装任意的迭代器tqdm(iterator)即可完成进度条。
tqdm基本操作: