【爬虫实战 - 2】


本章节内容仅用于个人学习

问题描述

  1. 爬取网页数据获取章节目录
  2. 通过每章节网页获取章节内容

问题分析

第一章节的url: https://fanqienovel.com/reader/6998108582835126784?enter_from=page
第二章节的url: https://fanqienovel.com/reader/6998109170566169092?enter_from=page
  • 得知数字为每章节的标识id
  • 化简得每章节的url为:https://fanqienovel.com/reader/ + id
  • F12查看内容所在位置与标签
    Alt

代码展示

# -*- coding:utf-8 -*-
# @Time       :2022/7/24 19:13
# @AUTHOR     :booozai       
import requests
from bs4 import BeautifulSoup
import lxml
if __name__ == '__main__':
    url = 'https://fanqienovel.com/page/6998103530665937956'
    # UA伪装
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36'
    }
    response = requests.get(url=url,headers=headers).text
    # 创建BeautifulSoup对象
    soup = BeautifulSoup(response,'lxml')
    # 获取<div class="chapter-item">标签下内容
    li_list = soup.select('.chapter-item')
    fp = open('./xiaoshuo.txt', 'w', encoding='utf-8')
    for li in li_list:
        # 章节标题
        title = li.a.string
        # id标识
        href = li.a['href']
        # 获取每章的url
        detail_url = 'https://fanqienovel.com' + href
        detail_response = requests.get(url=detail_url,headers=headers).text
        # 创建实例对象
        detail_soup = BeautifulSoup(detail_response,'lxml')
        # 获取<div class_="muye-reader-content noselect>下的内容
        page = detail_soup.find('div',class_="muye-reader-content noselect")
        # 获取内容
        content = page.text
        # 写入
        fp.write(title + ':'+ '\n' + content + '\n')
        print(title+'爬取成功!')



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

打赏作者

booozai

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