爬取小说《重生之狂暴火法》 1~140章

Posted diyi

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬取小说《重生之狂暴火法》 1~140章相关的知识,希望对你有一定的参考价值。

需要使用的库

  • requests
  • re

1、打开网址“ http://www.17k.com/list/2726194.html ”查看章节目录

按F12查看如下:

技术分享图片

 

技术分享图片

 

经过分析,我们可以通过简单的正则表达式,提取出每一章的章节名称(源代码第34行)

1 pat = r"(第.+章.+)</h1>"

 

2、接下来打开第一章通过源代码再次分析

技术分享图片

 

技术分享图片

 

再次通过简单的分析,我们可以可以用简单的正则表达式提取出小说内容(源代码45~47行)

 

 

 

3、源代码如下

 1 import requests
 2 import re
 3 
 4 
 5 class Novel(object):
 6     url_list = []
 7     chapter_list = []
 8     chapter_title_list = []
 9 
10 
11     def __init__(self, url):
12         self.url = url
13 
14     def obtain_url(self):
15         response = requests.get(self.url)
16         response.encoding = "utf-8"
17         pat = r"/chapter/2726194/(d+).html"
18         ls = []
19         ls2 = []
20         for i in re.findall(pat, response.text):
21             ls.append(i)
22         for i in range(1, 141):
23             ls2.append(ls[i])
24         for i in ls2:
25             new_url = "http://www.17k.com/chapter/2726194/" + i + ".html"
26             Novel.url_list.append(new_url)
27 
28 
29 
30     def obtan_title(self):
31         for i in self.url_list:
32             response = requests.get(i)
33             response.encoding = "utf-8"
34             pat = r"(第.+章.+)</h1>"
35             title = re.findall(pat,response.text)
36             self.chapter_title_list.append(str(title))
37 
38 
39 
40     def grab_url(self):
41         for i in self.url_list:
42             response = requests.get(i)
43             response.encoding = "utf-8"
44             lst = ‘‘
45             pat = r"&#12288;&#12288;(.+)<br /><br />"
46             new_text = str(re.findall(pat, response.text))[1:-1]
47             pat2 = r"[^<br /><br />&#12288;&#12288;]"
48             for j in re.findall(pat2, new_text):
49                 if j == "":
50                     j = "
"
51                 lst = lst + j
52             self.chapter_list.append(lst)
53 
54 
55     def storage(self):
56         with open("F:\\重生.txt", "a") as f:
57             i = 0
58             while i < 140:
59                 f.write(str("
" + self.chapter_title_list[i]) + "
")
60                 f.write(self.chapter_list[i])
61                 i += 1
62 
63 
64     # 主方法
65     def grab(self):
66         # 获取网址
67         self.obtain_url()
68 
69         #章节标题
70         self.obtan_title()
71 
72         #章节内容
73         self.grab_url()
74 
75         #存储
76         self.storage()
77 
78 if __name__ == __main__:
79     try:
80         spider = Novel("http://www.17k.com/list/2726194.html")
81         spider.grab()
82     except :
83         print("爬取出错~~")

 

运行后会在F盘生成一个 "重生.txt" 的文件

技术分享图片

 

以上是关于爬取小说《重生之狂暴火法》 1~140章的主要内容,如果未能解决你的问题,请参考以下文章

如何用python爬虫从爬取一章小说到爬取全站小说

python网络爬虫之使用scrapy自动爬取多个网页

实用前端Node.js写爬虫系列之第3章:编写小说阅读器

python爬虫之小说爬取

爬虫基础-1-爬取小说资源

scrapy初探之实现爬取小说