爬虫初学（一）：爬取笔趣阁小说（萌新用 |
您所在的位置：网站首页 › 趣看小说最新版本 › 爬虫初学（一）：爬取笔趣阁小说（萌新用 |
爬虫初学（一）：爬取笔趣阁小说（萌新用
|
不识有话说
作为一个爬虫萌新，第一个小项目当然是爬一爬我们的萌新之友-《新笔趣阁》 虽然没什么难度， 不过还是分享一下自己的代码历程， 希望能给予大家一些思路或帮助， 当然，如果有大佬能够指出错误或可以改进的地方， 那当然更好了， 等你呦~ 项目展示在讲解项目之前， 先给你们展示一下功能， 不然看了半天， 结果不是自己想要的那不是自闭了。 说实话，感觉我挺憨的才能写出这种代码，谁下载小说不是一整本一整本下， 结果也就我傻大憨的一章一章下，甚至还觉得自己好牛，害 代码思路讲解项目要用到的模块 import os from time import sleep import requests from lxml import etree没有的话可以自行安装，虽然大部分小伙伴应该都知道，但还是说一下 pip/pip3 install 想要安装的模块名模块安装好了接下来讲解代码了 import os from time import sleep import requests from lxml import etree # 新笔趣阁的全部小说界面链接，所有小说链接都在这里 url = 'http://www.xbiquge.la/xiaoshuodaquan/' # 请求头 headers = { 'User-Agent':"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36" } # 向新笔趣阁发送get请求 all_book_r = requests.get(url, headers=headers) # 解析返回的HTML页面数据 all_book_html = etree.HTML(all_book_r.content.decode('utf-8'))首先进入新笔趣阁全部小说页面 >>>点击进入 点击键盘右上方的f12键或者鼠标右键点击检查进入页面调试界面（右边白色部分）， 接下来单击调试台左上角的选中按钮，先随便选中一篇小说， 点击后发现左边调试台中的html界面已经跳转到了我们选中的地方， 我们可以发现这是一个ul列表下的一个a标签，并且这个ul列表储存着所有小说的链接， 那这就好办了~
为了防止下载的小说都装在一个文件夹里， 不仅混乱而且很难找到自己想看的小说章节（其实只要小说内容装在一起就不用这么麻烦，但是当时我妹想到） # 判断该路径是否存在，存在则返回true，不存在则返回flase judge = os.path.exists('../小说/%s' % str(book_title)) # 判断judge是否为true，如果不是则创建该路径 if not judge: os.makedirs('../小说/%s' % str(book_title))通过用户输入的值，将需要的章节链接循环取出，然后通过xpath获取小说文本内容 # 告诉用户小说有多少章节 print('' % len(chapter_title)) # 获取用户需要下载的章节 download_book_start = int(input('输入从第几章开始下载：')) download_book_end = int(input('输入到第几章结束：')) chapter_num = 0 # download_book_start - 1是因为列表下标是从0开始的 for book_content_url in book_url[download_book_start - 1:download_book_end]: # 防止获取太快get不到数据 sleep(2) new_book_content_url = 'http://www.xbiquge.la' + book_content_url book_content_r = requests.get(new_book_content_url, headers=headers) book_content_html = etree.HTML(book_content_r.content.decode('utf-8')) # 该章节小说内容列表 book_content = book_content_html.xpath('//div[@class="box_con"]/div[@id="content"]/text()')将内容列表里的数据一个个循环出来存到all_content字符串中， 然后通过with open方法，写入到text文件里 with open('../小说/%s/%s.text' % (str(book_title), chapter_title[download_book_start + chapter_num -1]), 'w', encoding='utf-8') as write_content: # 用来储存小说内容的字符串 all_content = '' for content in book_content: all_content += content write_content.write(all_content) print(chapter_title[download_book_start + chapter_num -1], '--下载成功') # 用来获取小说章节名 chapter_num += 1 print('全部下载完成')emmm，大概可能也许讲完了，应该讲的挺详细的， 萌新第一次写，如果有什么不足，可以提出来(勿喷)，会慢慢改进的 完整代码 import os from time import sleep import requests from lxml import etree url = 'http://www.xbiquge.la/xiaoshuodaquan/' headers = { 'User-Agent':"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36" } all_book_r = requests.get(url, headers=headers) all_book_html = etree.HTML(all_book_r.content.decode('utf-8')) all_book_url = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/@href') all_book_title = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/text()') print(all_book_url) find_book = input('输入想下载的书名:') num = 0 for book_title in all_book_title: if find_book == book_title: print('找到了，您要的', book_title) book_url = all_book_url[num] book_r = requests.get(book_url, headers=headers) book_html = etree.HTML(book_r.content.decode('utf-8')) book_url = book_html.xpath('//div[@id="list"]/dl/dd/a/@href') chapter_title = book_html.xpath('//div[@id="list"]/dl/dd/a/text()') judge = os.path.exists('../小说/%s' % str(book_title)) if not judge: os.makedirs('../小说/%s' % str(book_title)) print('' % len(chapter_title)) download_book_start = int(input('输入从第几章开始下载：')) download_book_end = int(input('输入到第几章结束：')) chapter_num = 0 for book_content_url in book_url[download_book_start - 1:download_book_end]: sleep(2) new_book_content_url = 'http://www.xbiquge.la' + book_content_url book_content_r = requests.get(new_book_content_url, headers=headers) book_content_html = etree.HTML(book_content_r.content.decode('utf-8')) book_content = book_content_html.xpath('//div[@class="box_con"]/div[@id="content"]/text()') with open('../小说/%s/%s.text' % (str(book_title), chapter_title[download_book_start + chapter_num -1]), 'w', encoding='utf-8') as write_content: all_content = '' for content in book_content: all_content += content write_content.write(all_content) print(chapter_title[download_book_start + chapter_num -1], '--下载成功') chapter_num += 1 print('全部下载完成') break elif num + 1 == len(all_book_title): print('查无此书') num += 1` |
我们通过Chrome的xpath插件获取到新笔趣阁所有小说的链接 没有的可以自己下载安装一下（强烈推荐，特别好用） 链接: https://pan.baidu.com/s/1_HzBzOp-vaWFkiuE2U9yFQ 提取码: sb7p xpath使用：这里是一个大佬的博客，不懂的可以看看 
我们将可以正确获取到自己需要信息的代码放入到xpath方法中， xpath方法会将获取到的HTML页面里自己需要的所有信息放入到一个列表里， 这个列表也就是你设置的变量名
设置num值，每循环判断一次num值就+1，直到找到该小说，那么num值将作为上图列表的下标使用，获取到用户想要下载的小说的链接，进行该小说的数据获取【本文地址】