2018-12-06

#第一次实现简单爬虫,记录一下爬取全书网中《盗墓笔记》的部分章节

代码还有待完善,重复追加内容写入会遇到txt文本大小限制引起代码终结。

很多不必要的代码可以删除的,静态网页还是比较好爬的,加油!

下回爬一下动态网站!

继续学习!!


以下代码:


import requests

from bs4 import BeautifulSoup

class Download(object):

    def __init__(self):

        self.target='http://www.quanshuwang.com/book/9/9055'

        self.href_list = []

        self.chapter_name=[]

        self.num =0

        self.head = {

            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36',

            'Accept': 'text/html,application/xhtml',

            'connection': 'keep-alive',

            'Accept - Encoding':'gzip, deflate'

        }

    #用于获取小说目录的url

    def get_url(self):

        self.req = requests.get(url=self.target,params='html',headers=self.head)

        self.req.encoding = 'gbk'

        self.html =self.req.text

        self.bf_url=BeautifulSoup(self.html)

        self.div=self.bf_url.find_all('div',class_='clearfix')

        self.div_a =BeautifulSoup(str(self.div[1]))

        self.a =self.div_a.find_all('a')

        #删除不要的章节!

        self.num = len(self.a[:5])

        for each in self.a[:5]:

            self.chapter_name.append(each.string)

            self.href_list.append(each.get('href'))

        #URL获取好列表了,该模块进行下载储存

    def down_novel(self,herf):

        self.url = requests.get(url=herf)

        self.url.encoding='gbk'

        self.url_text = self.url.text

        self.url_bf =BeautifulSoup(self.url_text)

        self.url_bf_div =self.url_bf.find_all('div',class_='mainContenr')

        self.url_bf_div_text= self.url_bf_div[0].text.replace('\xa0'*8,'\n\n')

    def write(self):

        with open('novel.txt', 'a', encoding='utf-8') as f:

            f.write('\n')

            f.writelines(self.url_bf_div_text)

            f.write('\n\n')

if __name__ == '__main__':

    dl = Download()

    dl.get_url()

    for i in dl.href_list:

        dl.down_novel(i)

        dl.write()



 作者:Kang

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,376评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,126评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,966评论 0 347
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,432评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,519评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,792评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,933评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,701评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,143评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,488评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,626评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,292评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,896评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,977评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,324评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,494评论 2 348

推荐阅读更多精彩内容

  • 声明:本文讲解的实战内容,均仅用于学习交流,请勿用于任何商业用途! 一、前言 强烈建议:请在电脑的陪同下,阅读本文...
    Bruce_Szh阅读 12,682评论 6 28
  • 1.查询请求GET 请求类型method为get,请求的url,请求头headers,传参params字典型;可以...
    大树_20e9阅读 179评论 0 0
  • If you pay peanuts, you get monkey. Computation on HMM Vi...
    Sorcerer_7104阅读 282评论 0 1
  • 数组(二) 一、 数组的应用 (一) 冒泡排序 冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列,一次比较...
    拾起_518阅读 229评论 0 0
  • 最近,画画比较少。晚上,都画的简单有趣搞笑的。放松心情。
    猫恋一夏阅读 204评论 2 5