xpath+多进程爬取八零电子书百合之恋分类下所有…
2019-08-13 08:33:55来源:博客园 阅读 ()
代码
# 需要的库 import requests from lxml import etree from multiprocessing import Pool import os # 请求头 headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36' } # 创建存储路径 pathname = './八零电子书/' if not os.path.exists(pathname): os.mkdir(pathname) # 获取书籍列表 def get_booklist(url): try: response = requests.get(url=url,headers=headers) etrees = etree.HTML(response.text) sum = etrees.xpath('//a[@class="last"]/text()')[0] booklist = etrees.xpath('//div[@class="book_bg"]/a/@href') pool.map(get_book,booklist) urls = ['http://www.quanshuwang.com/list/3_{}.html'.format(i) for i in range(2,int(sum)+1)] pool.map(get_booklist,urls) except Exception: print('get_booklist failed') # 获取具体书籍 def get_book(url): try: response = requests.get(url=url, headers=headers) etrees = etree.HTML(response.text) mulu = etrees.xpath('//a[@id="read_book"]/@href')[1] get_mulu(mulu) except Exception: print('get_book failed') # 获取书籍目录 def get_mulu(url): try: response = requests.get(url=url, headers=headers) etrees = etree.HTML(response.text) zhangjie = etrees.xpath('//div[@id="yulan"]/li/a/@href') for i in zhangjie: get_content(i) except Exception: print('get_mulu failed') # 获取书籍内容 def get_content(url): try: response = requests.get(url=url, headers=headers) etrees = etree.HTML(response.text.encode(response.encoding).decode(response.apparent_encoding)) book_name = etrees.xpath('//p[@class="text"]/a/text()')[1] zhangjie = etrees.xpath('//div[@class="date"]/h1/text()')[0] contents = etrees.xpath('//div[@id="content"]/text()') print(zhangjie+'..正在下载') f = open(pathname+book_name+'.txt','a+',encoding='utf-8') f.write(zhangjie+'\n\n') for con in contents: f.write(con+'\n') f.close() except Exception: print('get_content failed') # 程序入口 if __name__ == '__main__': url = 'https://www.80txt.la/sort5/1.html' # 创建进程池 pool = Pool() # 启动函数 get_booklist(url)
控制台输出
E:\anaconda\python.exe E:/练习/最后阶段/0809/八零电子书.py 1第一章 捡到个小雌性..正在下载 01 遗嘱..正在下载 第一章 捡了东西不一定能换到钱..正在下载 2第二章 摔出了地球..正在下载 02 异变..正在下载 3第三章 这是个高科技世界..正在下载 第二章 爷爷!您是我的亲爷爷..正在下载 03 手镯..正在下载 第三章 不在新手村混的新手..正在下载 4第四章 所谓杌力..正在下载 第一章 我会打架..正在下载 04长生..正在下载
打开文件夹查看是否下载成功
done。
原文链接:https://www.cnblogs.com/nmsghgnv/p/11334613.html
如有疑问请与原作者联系
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
- Python连载30-多线程之进程&线程&线程使用 2019-08-13
- 使用scrapy框架爬取全书网书籍信息。 2019-08-13
- python爬虫学习之爬取超清唯美壁纸 2019-08-13
- python多线程同步实例分析 2019-08-13
- xpath+多进程爬取全书网纯爱耽美类别的所有小说。 2019-08-13
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash