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~
PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
python免费学习资料以及群交流解答点击即可加入
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。
<----------------------------------分割线------------------------------------->
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
项目要用到的模块
import os from time import sleep import requests from lxml import etree 1234
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 1
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')) 12345678910111213141516
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~
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
# 储存所有小说链接的列表 all_book_url = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/@href') # 储存所有小说名的列表 all_book_title = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/text()') print(all_book_url) # 下图 12345
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
# 输入你想找的小说名 find_book = input('输入想下载的书名:') num = 0 # 通过for循环判断是否有用户想找的小说 for book_title in all_book_title: # 有则获取该小说你想要的数据 if find_book == book_title: print('找到了,您要的', book_title) # 找到该小说的链接 book_url = all_book_url[num] # 向小说页面发送请求 book_r = requests.get(book_url, headers=headers) # 解析 book_html = etree.HTML(book_r.content.decode('utf-8')) # 该小说的章节链接列表 book_url = book_html.xpath('//div[@id="list"]/dl/dd/a/@href') # 该小说的章节名列表 chapter_title = book_html.xpath('//div[@id="list"]/dl/dd/a/text()') # 循环一次下标加一 num += 1 1234567891011121314151617181920
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)) 12345
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('<------请输入数字(该小说共有%s章)------>' % 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()') 123456789101112131415
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') 12345678910
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
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('<------请输入数字(该小说共有%s章)------>' % 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