爬虫-单线程爬取小说

        单线程爬取小说简单又不复杂ฅ( ̳• ◡ • ̳)ฅ,以前写的爬虫程序爬个800来章就会崩了,这次优化了一下,爬到整本小说完为止˶´⚰︎`˵

import requests
import parsel


# 模拟浏览器
# Cookie和User-Agent要自己动手喔ฅฅ*~
headers = {
    "Cookie": "",
    "User-Agent": ""
}

home_url = ''

# 构造选择器
def get_selector(url, headers):
    response = requests.get(url, headers=headers)
    response.encoding = response.apparent_encoding
    html = response.text
    selector = parsel.Selector(html)
    return selector

home_selector = get_selector(home_url, headers)
# 小说名称
# xpath路径要自己动手喔ฅฅ*~
novel_name = home_selector.xpath('').get()
# 小说章节id
# xpath路径要自己动手喔ฅฅ*~
chapters_ids = home_selector.xpath('').getall()

# 记录程序发生错误时的章节id下标
end_index = 0

def run_spider(chapters_ids):
    try:
        chapters_ids = chapters_ids[end_index:]
        for link in chapters_ids:
            link = home_url + link
            html_selector = get_selector(link, headers)
            # 章节名称
            # xpath路径要自己动手喔ฅฅ*~
            title = html_selector.xpath('').get()
            # 章节内容
            # xpath路径要自己动手喔ฅฅ*~
            content = html_selector.xpath('').getall()
            content = '\n'.join(content)
            print(title + '保存中...')
            with open(novel_name + '.txt', 'a', encoding='utf-8') as f:
                f.write(title)
                f.write('\n')
                f.write(content)
                f.write('\n')
            end_index = end_index + 1
            print(title + '保存完毕')
    except:
        print('┭┮﹏┭┮ 程序出错了呜呜呜呜~~~~')
        print('马上重启!(*>.<*)')
        run_spider(chapters_ids)

run_spider(end_index)

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