如何利用Python爬虫爬取小说网站并保存到txt文件

本人特别爱看网络小说，但是呢，有些小说网站的弹窗广告啊、悬浮广告太烦人，正好最近在研究Python，就来试试利用Python把小说站的小说爬下来，并保存到txt文件里。这样就可以直接使用手机打开txt来看了。并且呢，我也能熟悉利用python抓取文本数据的方法。

以爬取靠谱小说网的《伏天氏》这本小说的章节内容为例，目标url：http://www.kpxsw.com/0_479.html

第一步：选取文章列表其中某一章，检查网页，可以找到这本小说所有章节的链接和名称。
写出xpath表达式提取出href里的内容：//div[@id=“list”]/dl/dd/a/@href
分析网页可得，提取出来的内容里每个元素前面应加上 http://www.kpxsw.com 得到的才是是每个章节真正的链接

第二步：接下来编写抓取章节的代码，抓取所有章节的链接，代码如下：

def get_urls():
    url = "http://www.kpxsw.com/0_479.html"
    response = requests.get(url, headers=headers)
    response.encoding = 'utf-8'
    html = etree.HTML(response.text)
    # 所有章节的url列表
    url_list = ['http://www.kpxsw.com' + x for x in html.xpath('//div[@id="list"]/dl/dd/a/@href')]
    return url_list

第三步：抓取每章的章节名称和章节内容，保存到txt文件，具体代码如下：

def get_text(url):
    rep = requests.get(url, headers=headers)
    rep.encoding = 'utf-8'
    dom = etree.HTML(rep.text)
    name = dom.xpath('//div[@class="bookname"]/h1/text()')[0]
    text = dom.xpath('//div[@id="content"]/text()')
    with open(path + f'{name}.txt', 'w', encoding='utf-8') as f:
        for con in text:
            f.write(con)
    print(f'{name} 下载完成')

OK，通过上面三步，就利用Phthon抓取《伏天氏》小说，并保存txt文件成功。你也可以通过此方法在靠谱小说网http://www.kpxsw.com 抓取其他小说，保存成txt文件来看。

完整代码如下：

import requests
from lxml import etree
import time
import random

path = r'D:\test\伏天氏\ '
headers = {
    "Referer": "http://www.kpxsw.com/0_479.html",
    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1"
}

def get_urls():
    url = "http://www.kpxsw.com/0_479.html"
    response = requests.get(url, headers=headers)
    response.encoding = 'utf-8'
    html = etree.HTML(response.text)
    # 所有章节的url列表
    url_list = ['http://www.kpxsw.com' + x for x in html.xpath('//div[@id="list"]/dl/dd/a/@href')]
    return url_list

def get_text(url):
    rep = requests.get(url, headers=headers)
    rep.encoding = 'utf-8'
    dom = etree.HTML(rep.text)
    name = dom.xpath('//div[@class="bookname"]/h1/text()')[0]
    text = dom.xpath('//div[@id="content"]/text()')
    with open(path + f'{name}.txt', 'w', encoding='utf-8') as f:
        for con in text:
            f.write(con)
    print(f'{name} 下载完成')

def main():
    urls = get_urls()
    for url in urls:
        get_text(url)
        time.sleep(random.randint(1, 3))

if __name__ == '__main__':
    main()

运行程序后，抓取结果如下：