时间：2021-07-01 10:21:17 帮助过：12人阅读
本人喜欢在网上看小说，一直使用的是小说下载阅读器，可以自动从网上下载想看的小说到本地，比较方便。最近在学习Python的爬虫，受此启发，突然就想到写一个爬取小说内容的脚本玩玩。于是，通过在逐浪上面分析源代码，找出结构特点之后，写了一个可以爬取逐浪上小说内容的脚本。
具体实现功能如下：输入小说目录页的url之后，脚本会自动分析目录页，提取小说的章节名和章节链接地址。然后再从章节链接地址逐个提取章节内容。现阶段只是将小说从第一章开始，每次提取一章内容，回车之后提取下一章内容。其他网站的结果可能有不同，需要做一定修改。在逐浪测试过正常。
现分享此代码，一是做个记录，方便自己以后回顾。二么也想抛砖引玉，希望各路大神不吝赐教。
输出获取到的小说名和章节数 for i in menu: chapter=get_chapter(i[0],i[1]) raw_input() print '\n'+i[0]+'\n' print chapter print '\n'
- #-*-coding:utf8-*-
- #!/usr/bin/python
- # Python: 2.7.8
- # Platform: Windows
- # Program: Get Novels From Internet
- # Author: wucl
- # Description: Get Novels
- # Version: 1.0
- # History: 2015.5.27 完成目录和url提取
- # 2015.5.28 完成目录中正则提取第*章，提取出章节链接并下载。在逐浪测试下载无误。
- from bs4 import BeautifulSoup
- import urllib2,re
- def get_menu(url):
- """Get chapter name and its url"""
- user_agent = "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:39.0) Gecko/20100101 Firefox/39.0"
- headers = {'User-Agent':user_agent}
- req = urllib2.Request(url,headers = headers)
- page = urllib2.urlopen(req).read()
- soup = BeautifulSoup(page)
- novel = soup.find_all('title')[0].text.split('_')[0]
- # 提取小说名
- menu = []
- all_text = soup.find_all('a',target="_blank")
- # 提取记载有小说章节名和链接地址的模块
- regex=re.compile(ur'\u7b2c.+\u7ae0')
- # 中文正则匹配第..章，去除不必要的链接
- for title in all_text:
- if re.findall(regex,title.text):
- name = title.text
- x = [name,title['href']]
- menu.append(x)
- # 把记载有小说章节名和链接地址的列表插入列表中
- return menu,novel
- def get_chapter(name,url):
- """Get every chapter in menu"""
- html=urllib2.urlopen(url).read()
- soup=BeautifulSoup(html)
- content=soup.find_all('p') # 提取小说正文
- return content[0].text
- if __name__=="__main__":
- url=raw_input("""Input the main page's url of the novel in ZhuLang\n Then Press Enter to Continue\n""")
- if url:
- menu,title=get_menu(url)
- print title,str(len(menu))+'\n Press Enter To Continue \n'
- #
希望本文所述对大家的Python程序设计有所帮助。