需要轉(zhuǎn)載的小伙伴轉(zhuǎn)載后請注明轉(zhuǎn)載的地址

需要用到的庫

365好書鏈接：http://www.365haoshu.com/ 爬取《我以月夜寄相思》小說

首頁進(jìn)入到目錄：http://www.365haoshu.com/Book/Chapter/List.aspx?NovelId=3026

獲取小說的每個章節(jié)的名稱和章節(jié)鏈接

打開瀏覽器的開發(fā)者工具，查找一個章節(jié)：如下圖，找到第一章的名稱和href（也就是第一章節(jié)內(nèi)容頁面的鏈接），開始寫代碼

from bs4 import BeautifulSoup import requestsimport time# 分別導(dǎo)入time、requests、BeautifulSoup庫url = ’http://www.365haoshu.com/Book/Chapter/’# 鏈接地址url，這兒url章節(jié)鏈接沒全寫出來是因為下面獲取章節(jié)鏈接時要用到這些urlreq = requests.get(url+’List.aspx?NovelId=0326’)# 打開章節(jié)頁面，req_bf = BeautifulSoup(req.text,'html.parser')print（req_bf）# 將打開的頁面以text打印出來div = req_bf.find_all(’div’,class_=’user-catalog-ul-li’)# 分析頁面，所需要的章節(jié)名和章節(jié)鏈接是在div標(biāo)簽，屬性class為user-catalog-ul-li下# 找到這個下的內(nèi)容，并打印s = []for d in div: s.append(d.find(’a’))print(s)# 獲取div下面的a標(biāo)簽下的內(nèi)容names=[] # 存儲章節(jié)名hrefs=[] # 存儲章節(jié)鏈接for i in s: names.append(i.find(’span’).string) hrefs.append(url + i.get(’href’))# 將所有的章節(jié)和章節(jié)鏈接存入的列表中觀察href后的鏈接和打開章節(jié)內(nèi)容頁面的鏈接是不完全的相同的， 所以要拼接使得瀏覽器能直接打開章節(jié)內(nèi)容

獲取到鏈接和章節(jié)名后打開一個章節(jié)獲取文本內(nèi)容；

和獲取章節(jié)名方法一致，一步一步查找到內(nèi)容的位置

txt = requests.get(hrefs[0])div_bf = BeautifulSoup(txt.text,’html.parser’)div = div_bf.find_all(’div’,class_=’container user-reading-online pos-rel’)#print(div)ps = BeautifulSoup(str(div),'html.parser')p=ps.find_all(’p’,class_=’p-content’)print(p)txt=[]for i in p: txt.append(i.string+’n’)print(txt)

獲取單一章節(jié)完成

接下來整理代碼，獲取整個小說的內(nèi)容，代碼如下：

# --*-- coding=utf-8 --*--from bs4 import BeautifulSoupimport requestsimport timeclass spiderstory(object): def __init__(self): # 初始化 self.url = ’http://www.365haoshu.com/Book/Chapter/’ self.names = [] # 存放章節(jié)名 self.hrefs = [] # 存放章節(jié)鏈接 def get_urlAndName(self): ’’’獲取章節(jié)名和章節(jié)鏈接’’’ req = requests.get(url=self.url+’List.aspx?NovelId=0326’) # 獲取章節(jié)目錄頁面 time.sleep(1) # 等待1秒 div_bf = BeautifulSoup(req.text,'html.parser') # req后面跟text和html都行 div = div_bf.find_all(’div’, class_=’user-catalog-ul-li’) # 查找內(nèi)容，標(biāo)簽為div，屬性為class=’user-catalog-ul-li’ a_bf = BeautifulSoup(str(div)) a = a_bf.find_all(’a’) # # 查找內(nèi)容，標(biāo)簽為a for i in a: self.names.append(i.find(’span’).string) # 獲取內(nèi)容直接string就行 self.hrefs.append(self.url + i.get(’href’)) # 獲取鏈接 def get_text(self,url): ’’’獲取章節(jié)內(nèi)容’’’ req = requests.get(url=url) div_bf = BeautifulSoup(req.text,'html.parser') div = div_bf.find_all(’div’, class_=’container user-reading-online pos-rel’) # 查找內(nèi)容 ps = BeautifulSoup(str(div), 'html.parser') p = ps.find_all(’p’, class_=’p-content’) text = [] for each in p: text.append(each.string) print(text) return text # 將獲得的內(nèi)容返回 def writer(self, name, path, text): ’’’寫入text文檔中’’’ with open(path, ’a’, encoding=’utf-8’) as f: f.write(name + ’n’) f.writelines(text) f.write(’nn’)if __name__ == '__main__': # 運行入口 s = spiderstory() s.get_urlAndName() le = len(s.names) for i in range(le): # 利用for循環(huán)獲得所有的內(nèi)容 name = s.names[i] text = str(s.get_text(s.hrefs[i])) s.writer(name,'我以月夜寄相思.txt',text) print(’下載完畢！！！’)

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持好吧啦網(wǎng)。