Python爬虫 | 爬虫工具:BeautifulSoup

在这里插入图片描述
示例网站:名诗词句网
链接:https://www.shicimingju.com/
在这里插入图片描述

一、引用 BeautifulSoup以及requests包

from bs4 import BeautifulSoup
import requests

二、 获取目录页面的章节名称及其地址

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4292.2 Safari/537.36'
}
url = 'https://www.shicimingju.com/book/sanguoyanyi.html'
page_text = requests.get(url=url,headers=headers).text
soup = BeautifulSoup(page_text,'lxml')
a_list = soup.select('.book-mulu > ul >li > a')
# 展示前十条数据
print(a_list[0:10])
[
	<a href="/book/sanguoyanyi/1.html">第一回·宴桃园豪杰三结义  斩黄巾英雄首立功</a>, 
	<a href="/book/sanguoyanyi/2.html">第二回·张翼德怒鞭督邮    何国舅谋诛宦竖</a>, 
	<a href="/book/sanguoyanyi/3.html">第三回·议温明董卓叱丁原  馈金珠李肃说吕布</a>, 
	<a href="/book/sanguoyanyi/4.html">第四回·废汉帝陈留践位    谋董贼孟德献刀</a>, 
	<a href="/book/sanguoyanyi/5.html">第五回·发矫诏诸镇应曹公  破关兵三英战吕布</a>, 
	<a href="/book/sanguoyanyi/6.html">第六回·焚金阙董卓行凶    匿玉玺孙坚背约</a>, 
	<a href="/book/sanguoyanyi/7.html">第七回·袁绍磐河战公孙    孙坚跨江击刘表</a>, 
	<a href="/book/sanguoyanyi/8.html">第八回·王司徒巧使连环计  董太师大闹凤仪亭</a>, 
	<a href="/book/sanguoyanyi/9.html">第九回·除暴凶吕布助司徒  犯长安李傕听贾诩</a>, 
	<a href="/book/sanguoyanyi/10.html">第一十回·勤王室马腾举义    报父仇曹操兴师</a>
]

三、获取章节的文本内容

with open('三国演义.txt','w',encoding='utf-8') as f:
    for a in a_list:
        title = a.string
        detail_url = 'https://www.shicimingju.com' + a['href']
        page_teat_detail = requests.get(url = detail_url,headers=headers).text
        detail_soup = BeautifulSoup(page_teat_detail,'lxml')
        content = detail_soup.find('div',class_='chapter_content').text
        f.write(title + content)

四、 爬取数据展示

第一章
在这里插入图片描述

最后一章在这里插入图片描述

评论 1
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

程序猿过家家

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