本文介绍了一个使用Python爬虫和正则表达式爬取《三国演义》小说的案例。首先，确定信息来源为努努书坊，并列出爬取的目标内容——各章节的链接和内容。接着，通过查看网页源代码，利用正则表达式匹配章节链接（r'<td( width="50%")?><a href="(.+.html)">(.+)</a>'）和章节内容（r'<p>(.+)</p>'）。最后，展示爬取结果，成功获取小说全部章节的数据。
使用正则表达式爬取一本喜欢的小说
这个爬虫的案例是对正则表达式的运用，通过这个案例，我们可以对正则表达式有更深入的了解。
1. 信息来源：
努努书坊。爬取的小说：三国演义。链接为：https://www.kanunu8.com/files/old/2011/2447.html
2. 解析需要爬取的信息：
进入主页，我们可以看到如上图所示的信息，我们需要爬取的就是上图中的所有内容。即每个章节中的内容。这是一个两层爬虫，即我们首先要得到每个章节的链接，再通过每个章节的链接得到每个章节的信息。
我们在主页中点击右键——>查看网页源代码——>找到对应的章节的信息——>如图所示——>获取出对应的链接信息和标题
我们对上图所示的信息进行分析，可以发现：（匹配就得多试验，每个人的匹配方式可能不同，多尝试）
最低0.47元/天 解锁文章
扫一扫
1193
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
