Python爬取365好书中小说代码实例

2020-09-23 0 188

要转载的小伙伴转载后请注明转载的地址

需要用到的库

  • from bs4 import BeautifulSoup
  • import requests
  • import time

365好书链接:http://www.365haoshu.com/ 爬取《我以月夜寄相思》小说

首页进入到目录:http://www.365haoshu.com/Book/Chapter/List.aspx?NovelId=3026

获取小说的每个章节的名称和章节链接

打开浏览器的开发者工具,查找一个章节:如下图,找到第一章的名称和href(也就是第一章节内容页面的链接),开始写代码

Python爬取365好书中小说代码实例

from bs4 import BeautifulSoup 
import requests
import time
# 分别导入time、requests、BeautifulSoup库

url = \'http://www.365haoshu.com/Book/Chapter/\'
# 链接地址url,这儿url章节链接没全写出来是因为下面获取章节链接时要用到这些url
req = requests.get(url+\'List.aspx?NovelId=0326\')
# 打开章节页面,
req_bf = BeautifulSoup(req.text,\"html.parser\")
print(req_bf)
# 将打开的页面以text打印出来
div = req_bf.find_all(\'div\',class_=\'user-catalog-ul-li\')
# 分析页面,所需要的章节名和章节链接是在div标签,属性class为user-catalog-ul-li下
# 找到这个下的内容,并打印
s = []
for d in div:
  s.append(d.find(\'a\'))
print(s)
# 获取div下面的a标签下的内容
names=[] # 存储章节名
hrefs=[] # 存储章节链接
for i in s:
  names.append(i.find(\'span\').string)
  hrefs.append(url + i.get(\'href\'))
# 将所有的章节和章节链接存入的列表中
观察href后的链接和打开章节内容页面的链接是不完全的相同的, 所以要拼接使得浏览器能直接打开章节内容

获取到链接和章节名后打开一个章节获取文本内容;

和获取章节名方法一致,一步一步查找到内容的位置

txt = requests.get(hrefs[0])
div_bf = BeautifulSoup(txt.text,\'html.parser\')
div = div_bf.find_all(\'div\',class_=\'container user-reading-online pos-rel\')
#print(div)
ps = BeautifulSoup(str(div),\"html.parser\")
p=ps.find_all(\'p\',class_=\'p-content\')
print(p)
txt=[]
for i in p:
  txt.append(i.string+\'\\n\')
print(txt)

获取单一章节完成

接下来整理代码,获取整个小说的内容,代码如下:

# --*-- coding=utf-8 --*--

from bs4 import BeautifulSoup
import requests
import time


class spiderstory(object):

  def __init__(self): # 初始化
    self.url = \'http://www.365haoshu.com/Book/Chapter/\'
    self.names = [] # 存放章节名
    self.hrefs = [] # 存放章节链接

  def get_urlAndName(self):
    \'\'\'获取章节名和章节链接\'\'\'
    req = requests.get(url=self.url+\'List.aspx?NovelId=0326\') # 获取章节目录页面
    time.sleep(1) # 等待1秒
    div_bf = BeautifulSoup(req.text,\"html.parser\") # req后面跟text和html都行
    div = div_bf.find_all(\'div\', class_=\'user-catalog-ul-li\') # 查找内容,标签为div,属性为class=\'user-catalog-ul-li\'
    a_bf = BeautifulSoup(str(div))
    a = a_bf.find_all(\'a\') # # 查找内容,标签为a
    for i in a:
      self.names.append(i.find(\'span\').string) # 获取内容直接string就行
      self.hrefs.append(self.url + i.get(\'href\')) # 获取链接

  def get_text(self,url):
    \'\'\'获取章节内容\'\'\'
    req = requests.get(url=url)
    div_bf = BeautifulSoup(req.text,\"html.parser\")
    div = div_bf.find_all(\'div\', class_=\'container user-reading-online pos-rel\') # 查找内容
    ps = BeautifulSoup(str(div), \"html.parser\")
    p = ps.find_all(\'p\', class_=\'p-content\')
    text = []
    for each in p:
      text.append(each.string)
    print(text)

    return text # 将获得的内容返回

  def writer(self, name, path, text):
    \'\'\'写入text文档中\'\'\'
    with open(path, \'a\', encoding=\'utf-8\') as f:
      f.write(name + \'\\n\')
      f.writelines(text)
      f.write(\'\\n\\n\')
if __name__ == \"__main__\": # 运行入口
  s = spiderstory()
  s.get_urlAndName()
  le = len(s.names)
  for i in range(le): # 利用for循环获得所有的内容
    name = s.names[i]
    text = str(s.get_text(s.hrefs[i]))
    s.writer(name,\"我以月夜寄相思.txt\",text)
  print(\'下载完毕!!!\')

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持自学编程网。

遇见资源网 Python Python爬取365好书中小说代码实例 http://www.ox520.com/24660.html

常见问题

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务