用python爬虫简单爬取 笔趣网：类“起点网”的小说

标签：ash   现在   策略   pytho   输入   reac   点击   src   输出   

首先：文章用到的解析库介绍

BeautifulSoup：

Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。

它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。

Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。

你不需要考虑编码方式，除非文档没有指定一个编码方式，这时，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。

Beautiful Soup已成为和lxml、html6lib一样出色的python解释器，为用户灵活地提供不同的解析策略或强劲的速度。

爬取小说原因背景：

以前很喜欢看起点网上面的小说，但是很多都要钱，穷学生没多少钱，就发现了笔趣网。

笔趣看是一个小说网站，这里有很多起点中文网的免费小说，而且这个网站只能在线浏览，不支持小说打包下载。

所以本次爬取呢，就是从该网站爬取并保存一个名为《一念永恒》的小说。

另外本次爬取只是做例子演示，请支持正版资源！！！！！！！！！！！

那么简单的爬取开始：

①打开url链接，按F12或者右键- 检查 进入开发者工具

② 在开发者工具中，捕获我们要找到的请求条目信息

选择主文章的一部分内容，选择复制粘贴那一部分，

然后再打开开发者工具栏：

“network—选择放大镜图标sreach—然后再搜索栏粘贴我们要搜索的内容”

然后会在下方得到条目信息，点击，页面会跳转到加载正文的请求响应条目中。

我们可以看到：

正文部分是处于 id 为 content 和 class 为 showtxt 的 div 中。

③ 构造url请求

上面的信息是不够的，因为现在的网站都有了反爬能力，我们所需要是模拟一条正常从浏览器中发出的url请求链接。

这里我们会用到： User-Agent（浏览器标识）

还是开发者工具，点击Headers，就可以看到Request-Response条目明细。

④ 发出请求：

有了字段的详细内容，我们就可以编写出请求网页的代码

⑤ 获得相应内容，然后运行，得到内容如下:

解析响应数据

下面，我们使用BeautifulSoup进行解析 运行….代码结果如图：

到这里，小说就爬取完成了。

用python爬虫简单爬取 笔趣网：类“起点网”的小说

标签：ash   现在   策略   pytho   输入   reac   点击   src   输出   

原文地址：https://www.cnblogs.com/oldfish123/p/11874387.html