爬蟲實戰 一 爬取新筆趣閣小說1 0

2021-10-11 10:59:59 字數 2281 閱讀 6803

每天早上上班地鐵上很多人都在看**打發時間，我也是乙個玄幻**迷，那麼就從寫乙個****的爬蟲開始吧。

可以開始了

一、確定目標和思路

瀏覽**之後做出如下打算：

爬蟲功能：

1、輸入要搜尋的**

2、跳到目標**url

3、按章節爬取

4、先按**《伏天氏》來吧，覺都不是打廣告啊，這**我看了好久了，啥主角就愛裝比，不建議大家看。

第一步提交要搜尋的**，並返回列印內容、

#!/usr/bin/python3


#_*_coding:utf-8_*_


#god_mellon


import requests


import re


book_name=


'伏天氏 '


url=


''+ 'keyword='+ book_name


print(url)


keyword=book_name


resp=requests.get(url)


print(


"請求狀態：",resp.status_code)


print(resp.encoding) 


resp.encoding=


'utf-8'


resp=resp.text


#print(resp)
第二步：正則提取目標**url

pattern=re.compile(r''


)##正則抓取書名鏈結


book_url=pattern.search(resp).group(


)print(
執行結果：

keyword=伏天氏 


請求狀態： 200


utf-8
第三步：獲取**章節

pattern2=re.compile(r'/\d_\d/\d\.html'


)chapters_url=pattern2.findall(resp2)


print(chapters_url)
第四步：先爬取一章**內容

test_url=


''test_resp=requests.get(test_url)


test_resp.encoding=


'utf-8'


test_resp=test_resp.text


#print(test_resp)


pattern3=re.compile(r'(.*)')


text1=pattern3.findall(test_resp)


#print(text1)


text1=


''.join(text1) 


pattern4=re.compile(r'


') 


text2_rm_br=pattern4.sub(


'\n',text1)


#print(text2_rm_br)


pattern5=re.compile(r' '


) text3_rm_nbsp_br=pattern5.sub(


' ',text2_rm_br)


####替換空格


print(text3_rm_nbsp_br)
執行結果：

keyword=伏天氏 


請求狀態： 200


網頁編碼方式 utf-8


正文開始： 神州歷2023年秋，東海，青州城。


青州學宮，青州城聖地，青州城豪門貴族以及宗門世家內半數以上的強者，都從青州學宮走出。
ps：還有很多需要完善的地方，接下來幾天我會不斷的改進優化。

更新：

爬蟲實戰 一 爬取新筆趣閣小說2 0

在昨天的基礎上增加了以下內容 一 獲取 簡介 ddef get jianjie pattern description re.compile r description scontent resp description pattern description.findall resp2 resp ...

Python爬取新筆趣閣小說

1 首先就是先安裝第三方庫requests,這個庫，開啟cmd，輸入pip install requests回車就可以了，等待安裝。然後測試 import resquests2 然後就可以編寫程式了，首先獲取網頁源 也可以在瀏覽器檢視和這個進行對比。s requests.session url ht...

初級爬蟲爬取筆趣閣小說

import requests from pyquery import pyquery as pq def get content a response requests.get a response.encoding gbk doc pq response.text text doc conten...