用PYTHON爬蟲簡單爬取網(wǎng)絡小說。

這里是17K小說網(wǎng)上，隨便找了一本小說，名字是《千萬大獎》。

里面主要是三個函數(shù)：

1、get_download_url() 用于獲取該小說的所有章節(jié)的URL。

分析了該小說的目錄頁http://www.17k.com/list/2819620.html的HTML源碼，發(fā)現(xiàn)其目錄是包含在Volume里的A標簽合集。所以就提取出了URLS列表。

2、get_contents(target) 用于獲取小說指定章節(jié)的正文內(nèi)容

分析了小說中第一章節(jié)的頁面http://www.17k.com/chapter/2819620/34988369.html，發(fā)現(xiàn)其正文內(nèi)容包含在P標簽中，正文標題包含在H1標簽中，經(jīng)過對換行等處理，得到正文內(nèi)容。傳入?yún)?shù)是上一函數(shù)得到的URL。

3、writer(name, path, text) 用于將得到的正文內(nèi)容和章節(jié)標題寫入到千萬大獎.txt

理論上，該簡單爬蟲可以爬取該網(wǎng)站的任意小說。

            
              from bs4 import BeautifulSoup
import requests, sys
'''
遇到不懂的問題？Python學習交流群：821460695滿足你的需求，資料都已經(jīng)上傳群文件，可以自行下載！
'''
target='http://www.17k.com/list/2819620.html'
server='http://www.17k.com'
urls=[]

def get_download_url():
    req = requests.get(url = target)
    html = req.text
    div_bf = BeautifulSoup(html,'lxml')
    div = div_bf.find_all('dl', class_ = 'Volume')
    a_bf = BeautifulSoup(str(div[0]),'lxml')
    a = a_bf.find_all('a')
    for each in a[1:]:
        urls.append(server + each.get('href'))


def get_contents(target):
        req = requests.get(url = target)
        html = req.text
        bf = BeautifulSoup(html,'lxml')
        title=bf.find_all('div', class_ = 'readAreaBox content')
        title_bf = BeautifulSoup(str(title[0]),'lxml')
        title = title_bf.find_all('h1')
        title=str(title[0]).replace('
              

                ','')
        title=str(title).replace('
              
              ','')
        title=str(title).replace(' ','')
        title=str(title).replace('\n','')
        texts = bf.find_all('div', class_ = 'p')
        texts=str(texts).replace('
              

              ','\n')
        texts=texts[:texts.index('本書首發(fā)來自17K小說網(wǎng)，第一時間看正版內(nèi)容！')]
        texts=str(texts).replace('                                        　　','')
        return title,str(texts[len('[
              

                '):])

def writer(name, path, text):
        write_flag = True
        with open(path, 'a', encoding='utf-8') as f:
            f.write(name + '\n')
            f.writelines(text)
            f.write('\n')


#title,content=get_contents(target)
#print(title,content)
#writer(title,title+".txt",content)
get_download_url()
#print(urls)
i=1
for url in urls:
	title,content=get_contents(url)
	writer(title,"千萬大獎.txt",content)
	print(str(int(i/len(urls)*100))+"%")
	i+=1