Python-简单小说爬虫（以《天官赐福》为例）

目录

准备

获取Cookie等

获取目录标签

获取内容标签

代码

视频讲解

结果

参考

---

准备

获取Cookie等

获取目录标签

li标签里面包含a或b标签，章节的链接是小说的url加一个整数100536开始，依次递增，文章的标题可以通过字符串查找得到。

获取内容标签

id为nr1的div块的内容就是本章小说内容

代码

"""
--coding:utf-8--
@File: __init__.py.py
@Author:frank yu
@DateTime: 2021.01.06 9:24
@Contact: [email protected]
@Description:
"""
import random
import time

import requests
from bs4 import BeautifulSoup

tianguan = 'https://www.kunnu.com/tianguancifu/'
headers = {
    'User-Agent': 'Mozilla/5.0 ArchLinux (X11; U; Linux x86_64; en-US) AppleWebKit/534.30 (KHTML, like Gecko) '
                  'Chrome/12.0.742.100',
    'Cookie': '_ga=GA1.2.635907381.1607343598; _gid=GA1.2.910170177.1609896386; _gat_gtag_UA_16539659_3=1',
    'Connection': 'keep-alive',
    'referrer': 'https://www.kunnu.com/tianguancifu/'
}


# 获取目录
def get_contents(url, headers, start):
    res = requests.get(url, headers=headers, timeout=30)
    res.encoding = res.apparent_encoding
    soup = BeautifulSoup(res.text, 'html.parser')
    contents = soup.find_all('li')
    contents.pop(0)
    contents.pop(0)
    res = []
    for con in contents:
        link = f'{url}{start}.htm'
        begin = str(con).find('">') + 2
        end = str(con).find("") if str(con).find("") == -1 else str(con).find("")
        title = '第' + str(con)[begin:end].replace('、', '章')
        res.append((link, title))
        start += 1
    # for i in res:
    #     print(i)
    # print(len(res))
    return res


# 爬取小说
def get_novel(contents, name):
    name = name + '_爬取.txt'
    with open(name, 'w', encoding='utf-8') as novel:
        for con in contents:
            link, title = con
            while True:
                try:
                    res = requests.get(link, headers=headers, timeout=60)
                    res.encoding = 'utf-8'
                    soup = BeautifulSoup(res.text, 'html.parser')
                    txt = soup.find(name='div', attrs={'id': 'nr1'})
                    novel.write('\n' + title + '\n')
                    novel.write(txt.text)
                    print(title + ' 已完成')
                    time.sleep(random.random() + 1)
                    break
                except Exception as e:
                    print(e)
                    time.sleep(random.random() + 5)
    print('全部爬取完毕, 生成' + name)
    return name


# 文本处理
def deal(name):
    new_name = name.split('_')[0] + '.txt'
    with open(new_name, encoding='utf-8', mode='w') as newfile:
        with open(name, encoding='utf-8', mode='r') as file:
            for line in file:
                index = line.find('鲲')
                if index != -1:
                    # print(index)
                    newfile.write(line[:index - 1])
                    continue
                newfile.write(line)
    return new_name


if __name__ == '__main__':
    con = get_contents(tianguan, headers, 100536)
    novel = get_novel(con, '天官赐福')

爬取之后可以进行一些文本处理等

视频讲解

《天官赐福》，给爷爬！！！（简单爬虫实战）

结果

我将txt文本导入了小说阅读APP（咪咕阅读），没有问题。

目录识别

小说阅读

-----------------------2021年06月22日更新--------------------

这个网站改了下，以上代码不行了，大家可以试试笔趣阁

参考

requests

BeautifulSoup

更多python相关内容：【python总结】python学习框架梳理

有问题请下方评论，转载请注明出处，并附有原文链接，谢谢！如有侵权，请及时联系。如果您感觉有所收获，自愿打赏，可选择支付宝18833895206（小于），您的支持是我不断更新的动力。