需要轉載的小夥伴轉載後請註明轉載的地址
需要用到的庫
from bs4 import BeautifulSoup
import requests
import time
365好書連結:http://www.365haoshu.com/ 爬取《我以月夜寄相思》小說
首頁進入到目錄:http://www.365haoshu.com/Book/Chapter/List.aspx?NovelId=3026
獲取小說的每個章節的名稱和章節連結
開啟瀏覽器的開發者工具,查詢一個章節:如下圖,找到第一章的名稱和href(也就是第一章節內容頁面的連結),開始寫程式碼
from bs4 import BeautifulSoup import requests import time # 分別匯入time、requests、BeautifulSoup庫 url = 'http://www.365haoshu.com/Book/Chapter/' # 連結地址url,這兒url章節連結沒全寫出來是因為下面獲取章節連結時要用到這些url req = requests.get(url+'List.aspx?NovelId=0326') # 開啟章節頁面, req_bf = BeautifulSoup(req.text,"html.parser") print(req_bf) # 將開啟的頁面以text列印出來 div = req_bf.find_all('div',class_='user-catalog-ul-li') # 分析頁面,所需要的章節名和章節連結是在div標籤,屬性class為user-catalog-ul-li下 # 找到這個下的內容,並列印 s = [] for d in div: s.append(d.find('a')) print(s) # 獲取div下面的a標籤下的內容 names=[] # 儲存章節名 hrefs=[] # 儲存章節連結 for i in s: names.append(i.find('span').string) hrefs.append(url + i.get('href')) # 將所有的章節和章節連結存入的列表中
觀察href後的連結和開啟章節內容頁面的連結是不完全的相同的, 所以要拼接使得瀏覽器能直接開啟章節內容
獲取到連結和章節名後開啟一個章節獲取文字內容;
和獲取章節名方法一致,一步一步查詢到內容的位置
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)
獲取單一章節完成
接下來整理程式碼,獲取整個小說的內容,程式碼如下:
# --*-- coding=utf-8 --*-- from bs4 import BeautifulSoup import requests import time class spiderstory(object): def __init__(self): # 初始化 self.url = 'http://www.365haoshu.com/Book/Chapter/' self.names = [] # 存放章節名 self.hrefs = [] # 存放章節連結 def get_urlAndName(self): '''獲取章節名和章節連結''' req = requests.get(url=self.url+'List.aspx?NovelId=0326') # 獲取章節目錄頁面 time.sleep(1) # 等待1秒 div_bf = BeautifulSoup(req.text,"html.parser") # req後面跟text和html都行 div = div_bf.find_all('div', class_='user-catalog-ul-li') # 查詢內容,標籤為div,屬性為class='user-catalog-ul-li' a_bf = BeautifulSoup(str(div)) a = a_bf.find_all('a') # # 查詢內容,標籤為a for i in a: self.names.append(i.find('span').string) # 獲取內容直接string就行 self.hrefs.append(self.url + i.get('href')) # 獲取連結 def get_text(self,url): '''獲取章節內容''' 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') # 查詢內容 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 # 將獲得的內容返回 def writer(self, name, path, text): '''寫入text文件中''' with open(path, 'a', encoding='utf-8') as f: f.write(name + '\n') f.writelines(text) f.write('\n\n') if __name__ == "__main__": # 執行入口 s = spiderstory() s.get_urlAndName() le = len(s.names) for i in range(le): # 利用for迴圈獲得所有的內容 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!!!')