python小说爬虫实训报告_python小说爬虫

稍微看了点python,写一写练下手

导入request_html库

from requests_html import HTMLSession

先获取下这个网页的html

def initData (url):

try:

if url is None:

return

session = HTMLSession()

content = session.get(url)

html = content.html

return html

except :

return

先看一下网页源码

目录

层级大概是wrapper-> div.box_con-> list->dd

list标签中就是这本书的目录列表了

目录标签中的内容

然后我们就要遍历目录, 取得整个目录下dd标签中对应章节的url:

def getData (html):

dic = {}

content = html.find('#wrapper')[0].find('div.box_con')[1].find('#list')[0].find('dd') //取得目录

for list in content :

dic["name"] = list.text

dic["url"] = list.find('a')[0].attrs["href"] //从href中提取章节url

getBookHtml(dic)

这样我们就取到了对应章节的url

然后看一下获取到的url, 就是章节正文了

可以看到网页中小说正文每一行对应content下br标签中的内容

那我们再把content下所有br标签的内容提取出来

def getBookContent (html):

print(html)

dic = {}

content = html.find('#content', first=True).find('br')

for line in content :

dic["line"] = line.text

print(dic)

writeToFile(line.text)

然后把这些内容写入到txt:

def writeToFile (text):

result = text

f = open('我是至尊.txt', 'a', encoding='utf-8')

# f.write(chapter[i] + "\n")

f.write(text + "\n")

f.close()

这样整个爬虫就完成了

整体逻辑就是 遍历目录->获取目录下对应章节的url->获取小说正文每一行的内容->写入本地

贴出来代码

from requests_html import HTMLSession

url = "http://www.biquge.com.tw/16_16209/"

host = "http://www.biquge.com.tw"

def initData (url):

try:

if url is None:

return

session = HTMLSession()

content = session.get(url)

html = content.html

return html

except :

return

def getData (html):

dic = {}

content = html.find('#wrapper')[0].find('div.box_con')[1].find('#list')[0].find('dd')

for list in content :

dic["name"] = list.text

dic["url"] = list.find('a')[0].attrs["href"]

# print(dic)

getBookHtml(dic)

def getBookHtml (dic):

url = dic["url"]

session = HTMLSession()

content = session.get(host+url)

html = content.html

getBookContent(html)

def getBookContent (html):

print(html)

dic = {}

content = html.find('#content', first=True).find('br')

for line in content :

dic["line"] = line.text

print(dic)

writeToFile(line.text)

def start ():

html = initData(url)

getData(html)

def writeToFile (text):

result = text

f = open('我是至尊.txt', 'a', encoding='utf-8')

# f.write(chapter[i] + "\n")

f.write(text + "\n")

f.close()

start()

最终效果

由于对html不怎么熟悉, 对python也了解颇浅, 这段代码性能比较低, 灵活性也比较低, 之后有时间会优化一下

有什么错误的地方, 请多指正!

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 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
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