爬虫初学（一）：爬取笔趣阁小说（萌新用-详细讲解）

阿巴学python
561 阅读5分钟

不识有话说

作为一个爬虫萌新，第一个小项目当然是爬一爬我们的萌新之友-《新笔趣阁》

虽然没什么难度，

不过还是分享一下自己的代码历程，

希望能给予大家一些思路或帮助，

当然，如果有大佬能够指出错误或可以改进的地方，

那当然更好了，

等你呦~

项目展示

在讲解项目之前，

先给你们展示一下功能，

不然看了半天， 结果不是自己想要的那不是自闭了。

<----------------------------------分割线------------------------------------->

说实话，感觉我挺憨的才能写出这种代码，谁下载小说不是一整本一整本下，

结果也就我傻大憨的一章一章下，甚至还觉得自己好牛，害

代码思路讲解

项目要用到的模块

import osfrom time import sleepimport requestsfrom lxml import etree 没有的话可以自行安装，虽然大部分小伙伴应该都知道，但还是说一下

pip/pip3 install 想要安装的模块名 模块安装好了接下来讲解代码了 import osfrom time import sleep import requestsfrom lxml import etree

新笔趣阁的全部小说界面链接，所有小说链接都在这里

url = 'www.xbiquge.la/xiaoshuodaq… 请求头 headers = { 'User-Agent':"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}# 向新笔趣阁发送get请求 all_book_r = requests.get(url, headers=headers)# 解析返回的HTML页面数据 all_book_html = etree.HTML(all_book_r.content.decode('utf-8')) 首先进入新笔趣阁全部小说页面 >>>点击进入 点击键盘右上方的f12键或者鼠标右键点击检查进入页面调试界面（右边白色部分）， 接下来单击调试台左上角的选中按钮，先随便选中一篇小说， 点击后发现左边调试台中的html界面已经跳转到了我们选中的地方， 我们可以发现这是一个ul列表下的一个a标签，并且这个ul列表储存着所有小说的链接， 那这就好办了~

我们通过Chrome的xpath插件获取到新笔趣阁所有小说的链接 没有的可以自己下载安装一下（强烈推荐，特别好用） 链接: pan.baidu.com/s/1_HzBzOp-… 提取码: sb7p xpath使用：这里是一个大佬的博客，不懂的可以看看

我们将可以正确获取到自己需要信息的代码放入到xpath方法中， xpath方法会将获取到的HTML页面里自己需要的所有信息放入到一个列表里， 这个列表也就是你设置的变量名

储存所有小说链接的列表

all_book_url = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/@href')# 储存所有小说名的列表 all_book_title = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/text()')print(all_book_url) # 下图

设置num值，每循环判断一次num值就+1，直到找到该小说，那么num值将作为上图列表的下标使用，获取到用户想要下载的小说的链接，进行该小说的数据获取

输入你想找的小说名

find_book = input('输入想下载的书名:') num = 0# 通过for循环判断是否有用户想找的小说for book_title in all_book_title: # 有则获取该小说你想要的数据 if find_book == book_title: print('找到了，您要的', book_title) # 找到该小说的链接 book_url = all_book_url[num] # 向小说页面发送请求 book_r = requests.get(book_url, headers=headers) # 解析 book_html = etree.HTML(book_r.content.decode('utf-8')) # 该小说的章节链接列表 book_url = book_html.xpath('//div[@id="list"]/dl/dd/a/@href') # 该小说的章节名列表 chapter_title = book_html.xpath('//div[@id="list"]/dl/dd/a/text()') # 循环一次下标加一 num += 1 为了防止下载的小说都装在一个文件夹里， 不仅混乱而且很难找到自己想看的小说章节（其实只要小说内容装在一起就不用这么麻烦，但是当时我妹想到）

判断该路径是否存在，存在则返回true，不存在则返回flase

judge = os.path.exists('../小说/%s' % str(book_title))# 判断judge是否为true，如果不是则创建该路径if not judge:
os.makedirs('../小说/%s' % str(book_title)) 通过用户输入的值，将需要的章节链接循环取出，然后通过xpath获取小说文本内容

告诉用户小说有多少章节print('<------请输入数字(该小说共有%s章)------>' % len(chapter_title))

    # 获取用户需要下载的章节
    download_book_start = int(input('输入从第几章开始下载：'))
    download_book_end = int(input('输入到第几章结束：'))
    chapter_num = 0
    # download_book_start - 1是因为列表下标是从0开始的
    for book_content_url in book_url[download_book_start - 1:download_book_end]:
        # 防止获取太快get不到数据
        sleep(2)
        new_book_content_url = 'http://www.xbiquge.la' + book_content_url
        book_content_r = requests.get(new_book_content_url, headers=headers)
        book_content_html = etree.HTML(book_content_r.content.decode('utf-8'))
        # 该章节小说内容列表
        book_content = book_content_html.xpath('//div[@class="box_con"]/div[@id="content"]/text()')

将内容列表里的数据一个个循环出来存到all_content字符串中， 然后通过with open方法，写入到text文件里 with open('../小说/%s/%s.text' % (str(book_title), chapter_title[download_book_start + chapter_num -1]), 'w', encoding='utf-8') as write_content: # 用来储存小说内容的字符串 all_content = '' for content in book_content: all_content += content write_content.write(all_content) print(chapter_title[download_book_start + chapter_num -1], '--下载成功') # 用来获取小说章节名 chapter_num += 1 print('全部下载完成')

emmm，大概可能也许讲完了，应该讲的挺详细的， 萌新第一次写，如果有什么不足，可以提出来(勿喷)，会慢慢改进的 完整代码

import osfrom time import sleep import requestsfrom lxml import etree

url = 'www.xbiquge.la/xiaoshuodaq…'

headers = { 'User-Agent':"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"}

all_book_r = requests.get(url, headers=headers)

all_book_html = etree.HTML(all_book_r.content.decode('utf-8'))

all_book_url = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/@href')

all_book_title = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/text()')print(all_book_url)

find_book = input('输入想下载的书名:') num = 0for book_title in all_book_title: if find_book == book_title: print('找到了，您要的', book_title) book_url = all_book_url[num]

    book_r = requests.get(book_url, headers=headers)
    book_html = etree.HTML(book_r.content.decode('utf-8'))
    book_url = book_html.xpath('//div[@id="list"]/dl/dd/a/@href')
    chapter_title = book_html.xpath('//div[@id="list"]/dl/dd/a/text()')
    judge = os.path.exists('../小说/%s' % str(book_title))
    if not judge:     
      os.makedirs('../小说/%s' % str(book_title))
    print('<------请输入数字(该小说共有%s章)------>' % len(chapter_title))
    download_book_start = int(input('输入从第几章开始下载：'))
    download_book_end = int(input('输入到第几章结束：'))
    chapter_num = 0
    for book_content_url in book_url[download_book_start - 1:download_book_end]:
        sleep(2)
        new_book_content_url = 'http://www.xbiquge.la' + book_content_url
        book_content_r = requests.get(new_book_content_url, headers=headers)
        book_content_html = etree.HTML(book_content_r.content.decode('utf-8'))
        book_content = book_content_html.xpath('//div[@class="box_con"]/div[@id="content"]/text()')
        with open('../小说/%s/%s.text' % (str(book_title), chapter_title[download_book_start + chapter_num -1]), 'w', encoding='utf-8') as write_content:
            all_content = ''
            for content in book_content:
                all_content += content
            write_content.write(all_content)
            print(chapter_title[download_book_start + chapter_num -1], '--下载成功')
            chapter_num += 1
    print('全部下载完成')
    break
elif num + 1 == len(all_book_title):
    print('查无此书')
num += 1

文章转载 来源：SCDN 作者：子不识

avatar
文章
阅读
粉丝