Python爬取三国演义的实现方法
发布时间：2020-12-16 20:24:40 所属栏目：Python 来源：网络整理
导读：本文的爬虫教程分为四部： 1.从哪爬 where 2.爬什么 what 3.怎么爬 how 4.爬了之后信息如何保存 save 一、从哪爬 三国演义 二、爬什么 三国演义全文 三、怎么爬 在Chrome页面打开F12，就可以发现文章内容在节点 div id="con" class="bookyuanjiao" 只要找到
|
本文的爬虫教程分为四部： 1.从哪爬 where 2.爬什么 what 3.怎么爬 how 4.爬了之后信息如何保存 save 一、从哪爬 三国演义 二、爬什么 三国演义全文 三、怎么爬 在Chrome页面打开F12，就可以发现文章内容在节点 <div id="con" class="bookyuanjiao"> 只要找到这个节点，然后把内容写入到一个html文件即可。
content = soup.find("div",{"class": "bookyuanjiao","id": "con"})
四、爬了之后如何保存 主要就是拿到内容，拼接到一个html文件，然后保存下来就可以了。
#!usr/bin/env
# -*-coding:utf-8 -*-
import urllib2
import os
from bs4 import BeautifulSoup as BS
import locale
import sys
from lxml import etree
import re
reload(sys)
sys.setdefaultencoding('gbk')
sub_folder = os.path.join(os.getcwd(),"sanguoyanyi")
if not os.path.exists(sub_folder):
os.mkdir(sub_folder)
path = sub_folder
# customize html as head of the articles
input = open(r'0.html','r')
head = input.read()
domain = 'http://www.shicimingju.com/book/sanguoyanyi.html'
t = domain.find(r'.html')
new_domain = '/'.join(domain.split("/")[:-2])
first_chapter_url = domain[:t] + "/" + str(1) + '.html'
print first_chapter_url
# Get url if chapter lists
req = urllib2.Request(url=domain)
resp = urllib2.urlopen(req)
html = resp.read()
soup = BS(html,'lxml')
chapter_list = soup.find("div","id": "mulu"})
sel = etree.HTML(str(chapter_list))
result = sel.xpath('//li/a/@href')
for each_link in result:
each_chapter_link = new_domain + "/" + each_link
print each_chapter_link
req = urllib2.Request(url=each_chapter_link)
resp = urllib2.urlopen(req)
html = resp.read()
soup = BS(html,'lxml')
content = soup.find("div","id": "con"})
title = soup.title.text
title = title.split(u'_《三国演义》_诗词名句网')[0]
html = str(content)
html = head + html + "</body></html>"
filename = path + "" + title + ".html"
print filename
# write file
output = open(filename,'w')
output.write(html)
output.close()
0.html的内容如下 <html><head><meta http-equiv="Content-Type" content="text/html; charset=utf-8"></head><body> 总结 以上就是利用Python爬取三国演义的实现方法，希望对大家学习python能有所帮助，如果有疑问大家可以留言交流。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |