今天就跟大家聊聊有關利用Python爬蟲怎么對筆趣閣小說進行爬取，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

創新互聯公司長期為上千余家客戶提供的網站建設服務，團隊從業經驗10年，關注不同地域、不同群體，并針對不同對象提供差異化的產品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯網生態環境。為洛南企業提供專業的網站設計、成都網站建設，洛南網站改版等技術服務。擁有10多年豐富建站經驗和眾多成功案例,為您定制開發。

基本開發環境

• Python 3.6

• Pycharm

相關模塊的使用

• request

• sparsel

安裝Python并添加到環境變量，pip安裝需要的相關模塊即可。

單章爬取

一、明確需求

爬取小說內容保存到本地

• 小說名字

• 小說章節名字

• 小說內容

# 第一章小說url地址
url = 'http://www.biquges.com/52_52642/25585323.html'

url = 'http://www.biquges.com/52_52642/25585323.html'
headers = {
 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
print(response.text)

請求網頁返回的數據中出現了亂碼，這就需要我們轉碼了。

加一行代碼自動轉碼。

response.encoding = response.apparent_encoding

三、解析數據

根據css選擇器可以直接提取小說標題以及小說內容。

def get_one_novel(html_url):
 # 調用請求網頁數據函數
 response = get_response(html_url)
 # 轉行成selector解析對象
 selector = parsel.Selector(response.text)
 # 獲取小說標題
 title = selector.css('.bookname h2::text').get()
 # 獲取小說內容 返回的是list
 content_list = selector.css('#content::text').getall()
 # ''.join(列表) 把列表轉換成字符串
 content_str = ''.join(content_list)
 print(title, content_str)

if __name__ == '__main__':
 url = 'http://www.biquges.com/52_52642/25585323.html'
 get_one_novel(url)

四、保存數據（數據持久化）

使用常用的保存方式：with open

def save(title, content):
 """
 保存小說
 :param title: 小說章節標題
 :param content: 小說內容
 :return: 
 """
 # 路徑
 filename = f'{title}\\'
 # os 內置模塊，自動創建文件夾
 if os.makedirs(filename):
 os.mkdir()
 # 一定要記得加后綴 .txt mode 保存方式 a 是追加保存 encoding 保存編碼
 with open(filename + title + '.txt', mode='a', encoding='utf-8') as f:
 # 寫入標題
 f.write(title)
 # 換行
 f.write('\n')
 # 寫入小說內容
 f.write(content)

保存一章小說，就這樣寫完了，如果想要保存整本小說呢？

整本小說爬蟲

既然爬取單章小說知道怎么爬取了，那么只需要獲取小說所有單章小說的url地址，就可以爬取全部小說內容了。

所有的單章的url地址都在 dd 標簽當中，但是這個url地址是不完整的，所以爬取下來的時候，要拼接url地址。

def get_all_url(html_url):
 # 調用請求網頁數據函數
 response = get_response(html_url)
 # 轉行成selector解析對象
 selector = parsel.Selector(response.text)
 # 所有的url地址都在 a 標簽里面的 href 屬性中 
 dds = selector.css('#list dd a::attr(href)').getall()
 for dd in dds:
 novel_url = 'http://www.biquges.com' + dd
 print(novel_url)


if __name__ == '__main__':
 url = 'http://www.biquges.com/52_52642/index.html'
 get_all_url(url)

這樣就獲取了所有的小說章節url地址了。

爬取全本完整代碼

import requests
import parsel
from tqdm import tqdm


def get_response(html_url):
 headers = {
 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
 }
 response = requests.get(url=html_url, headers=headers)
 response.encoding = response.apparent_encoding
 return response


def save(novel_name, title, content):
 """
 保存小說
 :param title: 小說章節標題
 :param content: 小說內容
 :return:
 """
 filename = f'{novel_name}' + '.txt'
 # 一定要記得加后綴 .txt mode 保存方式 a 是追加保存 encoding 保存編碼
 with open(filename, mode='a', encoding='utf-8') as f:
 # 寫入標題
 f.write(title)
 # 換行
 f.write('\n')
 # 寫入小說內容
 f.write(content)


def get_one_novel(name, novel_url):
 # 調用請求網頁數據函數
 response = get_response(novel_url)
 # 轉行成selector解析對象
 selector = parsel.Selector(response.text)
 # 獲取小說標題
 title = selector.css('.bookname h2::text').get()
 # 獲取小說內容 返回的是list
 content_list = selector.css('#content::text').getall()
 # ''.join(列表) 把列表轉換成字符串
 content_str = ''.join(content_list)
 save(name, title, content_str)


def get_all_url(html_url):
 # 調用請求網頁數據函數
 response = get_response(html_url)
 # 轉行成selector解析對象
 selector = parsel.Selector(response.text)
 # 所有的url地址都在 a 標簽里面的 href 屬性中
 dds = selector.css('#list dd a::attr(href)').getall()
 # 小說名字
 novel_name = selector.css('#info h2::text').get()
 for dd in tqdm(dds):
 novel_url = 'http://www.biquges.com' + dd
 get_one_novel(novel_name, novel_url)

if __name__ == '__main__':
 novel_id = input('輸入書名ID：')
 url = f'http://www.biquges.com/{novel_id}/index.html'
 get_all_url(url)

看完上述內容，你們對利用Python爬蟲怎么對筆趣閣小說進行爬取有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注創新互聯行業資訊頻道，感謝大家的支持。

本文名稱：利用Python爬蟲怎么對筆趣閣小說進行爬取-創新互聯
文章路徑：http://vcdvsql.cn/article18/ceocdp.html

成都網站建設公司_創新互聯，為您提供網站收錄、App設計、營銷型網站建設、響應式網站、移動網站建設、網站維護

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯