python爬虫之下载小说(3)

import requests
from bs4 import BeautifulSoup

def geturl():
    url = 'https://www.biqg.cc/book/6909/'  # 目标访问网站url
    header = {"User-Agent":
    "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36 Edg/123.0.0.0"}
    req = requests.get(url = url, headers = header)
    req.encoding = "utf-8"
    html = req.text
    bes = BeautifulSoup(html,"lxml")
    texts = bes.find("div", class_="listmain")
    chapters = texts.find_all("a") #该函数可以返回list下的标签为a的所有信息
    words = [] #创建空的列表,存入每章节的url与章节名称
    ##对标签a内的内容进行提取
    for chapter in chapters:
        name = chapter.string #取出字符串,可以看出字符串只有章节号与章节名称,刚好符合我们所需
        #其中存在一条这个语句,我们需要把他剔除,所以加入if判断<a rel="nofollow" href="javascript:dd_show()">&lt;&lt;---展开全部章节---&gt;&gt;</a>
        #url:  https://www.biqg.cc/book/6909/2109.html
        #get("href"):  /book/6909/2109.html
        #split("/")[-1]:  2109.html
        if "book" in chapter.get("href"):
            url1 = url + chapter.get("href").split("/")[-1]
            word = [url1, name] #以列表格式存储
            words.append(word) #最终加入总的大列表中并返回
    return words

if __name__ == '__main__':
    target = geturl()
    header = {"User-Agent":
                  "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36 Edg/123.0.0.0"}
    for tar in target:
        print(tar)
        req = requests.get(url=tar[0],headers = header)
        req.encoding = 'utf-8'
        html = req.text
        bes = BeautifulSoup(html,"lxml")
        texts = bes.find("div", id="chaptercontent",class_ = "Readarea ReadAjax_content")
        texts_list = texts.text.split("\xa0"*4)
        texts_list = texts.text.split("\u3000" * 2)
        with open("D:/novels/"+ tar[1] + ".txt","w") as file:  #写入文件路径 + 章节名称 + 后缀
            for line in texts_list:
                file.write(line+"\n")

 

 

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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
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