神刀安全网

爬取小说(步骤一)python


假设各位老哥已经安装好了bs4 requests这些库了
这个小说是随便挑的,各位也就不用太介意(仅供各位学习)
python3 实现,网上用python2做爬虫的太多了,但用python3的还是比较少

  • 爬取的链接是https://www.qu.la/book/12763/10664294.html
  • 代码长度:20行(包括了为了好看而做的东西)
  • 主要问题是:gbk编码问题
  • 注意看下一个with那,调一个自己一个有的地址就好了(至于txt文件,那个是可以自动新建的,不用担心)

第一步 实现了对单一章节的网页的爬取并存储

代码如下:

import requests from bs4 import BeautifulSoup url = "https://www.qu.la/book/12763/10664294.html" req = requests.get(url) req.encoding = 'utf-8' soup = BeautifulSoup(req.text, 'html.parser') content = soup.find(id='content') with open('E:/Code/Python/Project/txtGet/1.txt', 'w') as f:     string = content.text.replace('/u3000', '').replace('/t', '').replace('/n', '').replace('/r', '').replace('『', '“')/         .replace('』', '”')  # 去除不相关字符     string = string.split('/xa0')  # 编码问题解决     string = list(filter(lambda x: x, string))     for i in range(len(string)):         string[i] = '    ' + string[i]         if "本站重要通知" in string[i]:  # 去除文末尾注             t = string[i].index('本站重要通知')             string[i] = string[i][:t]     string = '/n'.join(string)     print(string)     f.write(string) 

转载本站任何文章请注明:转载至神刀安全网,谢谢神刀安全网 » 爬取小说(步骤一)python

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址