python爬取最新说章节_Python爬取新笔趣阁小说

Python爬取小说，并保存到TXT文件中

我写的这篇文章，是利用Python爬取小说编写的程序，这是我学习Python爬虫当中自己独立写的第一个程序，中途也遇到了一些困难，但是最后迎刃而解了。这个程序非常的简单，程序的大概就是先获取网页的源代码，然后在网页的源代码中提取每个章节的url，获取之后，在通过每个url去获取文章的内容，在进行提取内容，然后就是保存到本地，一TXT的文件类型保存。

大概是这样

1：获取网页源代码

2：获取每章的url

3：获取每章的内容

4：下载保存文件中

1、首先就是先安装第三方库requests,这个库，打开cmd，输入pip install requests回车就可以了，等待安装。然后测试

import resquests

2、然后就可以编写程序了，首先获取网页源代码，也可以在浏览器查看和这个进行对比。

s = requests.Session()

url = 'https://www.xxbiquge.com/2_2634/'

html = s.get(url)

html.encoding = 'utf-8'

运行后显示网页源代码

按F12查看

说明这是对的，

3、然后进行获取网页源代码中的每章url，进行提取

caption_title_1 = re.findall(r'.*?',html.text)

print(caption_title_1)

由于过多，就剪切了这些，看到这些URL，你可能想问为什么不是完整的，这是因为网页中的本来就不完整，需要进行拼凑得到完整的url

这样就完成了，就可以得到完整的了

4、下面就是获取章节名，和章节内容

#获取章节名

name = re.findall(r'',r1.text)[0] # 提取章节名

print(name)

file_name.write(name)

file_name.write('\n')

# 获取章节内容

chapters = re.findall(r'

(.*?)

',r1.text,re.S)[0] #提取章节内容

chapters = chapters.replace(' ', '') # 后面的是进行数据清洗

chapters = chapters.replace('readx();', '')

chapters = chapters.replace('& lt;!--go - - & gt;', '')

chapters = chapters.replace('', '')

chapters = chapters.replace('()', '')

5、转换字符串和保存文件

# 转换字符串

s = str(chapters)

s_replace = s.replace('
',"\n")

while True:

index_begin = s_replace.find("

index_end = s_replace.find(">",index_begin+1)

if index_begin == -1:

break

s_replace = s_replace.replace(s_replace[index_begin:index_end+1],"")

pattern = re.compile(r' ',re.I)

fiction = pattern.sub(' ',s_replace)

file_name.write(fiction)

file_name.write('\n')

6、完整的代码

import requests

import re

s = requests.Session()

url = 'https://www.xxbiquge.com/2_2634/'

html = s.get(url)

html.encoding = 'utf-8'

# 获取章节

caption_title_1 = re.findall(r'.*?',html.text)

# 写文件

path = r'C:\Users\Administrator\PycharmProjects\untitled\title.txt' # 这是我存放的位置，你可以进行更改

file_name = open(path,'a',encoding='utf-8')

# 循环下载每一张

for i in caption_title_1:

caption_title_1 = 'https://www.xxbiquge.com'+i

# 网页源代码

s1 = requests.Session()

r1 = s1.get(caption_title_1)

r1.encoding = 'utf-8'

# 获取章节名

name = re.findall(r'',r1.text)[0]

print(name)

file_name.write(name)

file_name.write('\n')

# 获取章节内容

chapters = re.findall(r'

(.*?)

',r1.text,re.S)[0]

chapters = chapters.replace(' ', '')

chapters = chapters.replace('readx();', '')

chapters = chapters.replace('& lt;!--go - - & gt;', '')

chapters = chapters.replace('', '')

chapters = chapters.replace('()', '')

# 转换字符串

s = str(chapters)

s_replace = s.replace('
',"\n")

while True:

index_begin = s_replace.find("

index_end = s_replace.find(">",index_begin+1)

if index_begin == -1:

break

s_replace = s_replace.replace(s_replace[index_begin:index_end+1],"")

pattern = re.compile(r' ',re.I)

fiction = pattern.sub(' ',s_replace)

file_name.write(fiction)

file_name.write('\n')

file_name.close()

7、修改你想要爬取小说url后再进行运行，如果出现错误，可能是存放位置出错，可以再保存文件地址修改为你要存放的地址，然后就结束了

这就是爬取的完整的小说，是不是很简单，，希望能对你所帮助