首页 > > 网络编程 > 其它 >

闲来无事，用Python随便写了三十行代码来爬两本…

2018-07-03 01:12:32来源：博客园阅读 ()

今天同事问我有没有网站可以下载小说，我说没有啊你要找哪个小说（心里有点鄙视他，心想现在什么小说在网上不是都能找到吗，自信搜索能力的我准备帮人帮到底）他说，《医圣之最强狂兵》，我当然没看过了，搜索了半天只找到了一些人分享的网盘地址，点进去发现里面只有前几章的txt，——预知后事如何请加下面VX….$%#^%&^&&a

我一脸天真的加了一下，还以为是只想凑点击率和关注量的分享小说的公众号，结果是个人账号，=。=，对，就如你所想，六块钱红包她就会发给我小说。

算了吧，有那钱干点啥不好，自己又不是不会爬虫。

于是随手写了下面的程序。

# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
import requests
import codecs
def get_url_list(url):
    html = requests.get(url)
    soup = BeautifulSoup(html.content, 'lxml')#content如果换成text会有乱码
    url_list = []
    list = soup.select("#list > dl > dd > a")
    for i in list:
        i = i.get("href")
        i = 'http://www.biqugecom.com' + i
        url_list.append(i)
    url_list = url_list[9:-1]
    print url_list
    return url_list
def get_data(url):
    html = requests.get(url)
    soup = BeautifulSoup(html.content, 'lxml')
    fo = codecs.open('output.txt', 'a+', 'utf-8');
    # 以二进制写入章节题目 需要转换为utf-8编码，否则会出现乱码
    #Python学习群125240963
    section_name = soup.select("#wrapper > div.content_read > div > div.bookname > h1")[0].text
    print section_name
    fo.write(('\r\n' + section_name + '\r\n'))
    section_text = soup.select("#content")
    for x in section_text:
        a = x.text.replace('readx();', '').replace('www.biqugecom.com/20/20341/', '')
        fo.write((a)+ '\r\n')
    # 以二进制写入章节内容
    fo.close()  # 关闭小说文件
if '__main__' == __name__:
    url = 'http://www.biqugecom.com/34/34055/'
    url_list = get_url_list(url)
    for n in url_list:
        get_data (n)