一、导入requests和parsel库
requests是一个HTTP请求库,像浏览器一样发送THHP请求来获取网站信息。
parsel是对 HTML 和 XML 进行解析库,
import requests
import parsel
二、获取小说网站内容
通过 url = “https://www.777zw.net/1/1429/” 爬取小说网站内容。
url = "https://www.777zw.net/1/1429/"
response = requests.get(url)
responses = response.text.encode('iso-8859-1').decode('gbk')
print(responses)
在爬取小说网站时遇见一个错误爬取中文编译乱码:
之后查找资料发现是由于网页编码用的方式不同 :
解决方法
查看网站所用编码方法,打开想爬取页面开启开发人员工具,在控制台输入document.charse查看文本格式
将常规的 “utf-8” 格式转换成 “gbk”
# utf-8格式
response.encoding = 'utf-8'
# 改成gbk格式