#1前言
这个小程序是用来爬取小说网站的小说的,一般的盗版小说网站都是很好爬取的
因为这种网站基本没有反爬虫机制的,所以可以直接爬取
#2.requests库
requests库非常得简单好用,他可以向网站发送请求,接收信息
最简单的一个例子即是
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
raise_for_status()的功能是若服务器发送404/502之类的错误码raise_for_status()便会抛出异常
r.encoding = r.apparent_encoding这一行语句用于调整编码,encoding为代码猜测出来的编码,可能并不准确
def get_html(url):
try:
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return " HTMLERROR "
#3.BeautifulSoup库
BeautifulSoup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找
基本用法:
url_list=[]
soup = BeautifulSoup(html,'lxml')
lista