最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

Python爬取三国演义的实现方法

来源:动视网 责编:小采 时间:2020-11-27 14:26:32
文档

Python爬取三国演义的实现方法

Python爬取三国演义的实现方法: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<p id="con" cl
推荐度:
导读Python爬取三国演义的实现方法: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<p id="con" cl


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

<p 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("p", {"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("p", {"class": "bookyuanjiao", "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("p", {"class": "bookyuanjiao", "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

文档

Python爬取三国演义的实现方法

Python爬取三国演义的实现方法: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<p id="con" cl
推荐度:
标签: python 爬虫 python的
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top