偷偷溜出来写个笔趣阁爬虫

  • 爬笔趣阁的,或许有点小bug,权当过过手瘾
  • 害,居然打不出代码块,就这样好了
import requests
import random
from lxml import etree
import time
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36"
}
def getContent(url):
    try:
        req = requests.get(url = url,headers = headers,timeout = 30)
        req.encoding = req.apparent_encoding
        html  = etree.HTML(req.text)
        content = ""
        for each in html.xpath("//div[@id ='content']/text()"):
            temp  = "".join(each.split())
            if temp !="":
                content +="\n"+temp
        title = html.xpath("//div[@class='bookname']/h1")[0].text
    except:
        print("再次尝试")
        return getContent(url)
    return title,content

def getNovel(url,name):
    with open("./{}.txt".format(name), "w") as f:
        req = requests.get(url = url,headers = headers)
        req.encoding = req.apparent_encoding
        html  = etree.HTML(req.text)
        lis = html.xpath("//div[@id = 'list']/dl/dd/a/@href")
        length = len(lis)
        for index in range(length):
            if index % 100 ==0:
                time.sleep(5)
            else:
                time.sleep(random.uniform(0,1))
            con_url = "http://www.xbiquge.la"+lis[index]
            title,content = getContent(con_url)
            f.write("\n")
            f.write(title)
            f.write("\n")
            f.write(content)
            print("已完成:"+str(index/length))

if __name__ == '__main__':
    url = "http://www.xbiquge.la/10/10489/"
    getNovel(url,"三寸人间")
  • 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

椰子奶糖

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