Python爬取三国演义的实现方法


Posted in Python onSeptember 12, 2016

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", {"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("div", {"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

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。

Python 相关文章推荐
python字符串连接方式汇总
Aug 21 Python
Python中的赋值、浅拷贝、深拷贝介绍
Mar 09 Python
深入源码解析Python中的对象与类型
Dec 11 Python
解决python os.mkdir创建目录失败的问题
Oct 16 Python
numpy 计算两个数组重复程度的方法
Nov 07 Python
基于Python在MacOS上安装robotframework-ride
Dec 28 Python
Python装饰器用法实例分析
Jan 14 Python
python pytest进阶之xunit fixture详解
Jun 27 Python
django数据库自动重连的方法实例
Jul 21 Python
Python Threading 线程/互斥锁/死锁/GIL锁
Jul 21 Python
Python 实现一个计时器
Jul 28 Python
用python对oracle进行简单性能测试
Dec 05 Python
python 读写、创建 文件的方法(必看)
Sep 12 #Python
Python读写Json涉及到中文的处理方法
Sep 12 #Python
详细介绍Python的鸭子类型
Sep 12 #Python
Python 读写文件和file对象的方法(推荐)
Sep 12 #Python
使用Python进行二进制文件读写的简单方法(推荐)
Sep 12 #Python
浅谈python对象数据的读写权限
Sep 12 #Python
python获取list下标及其值的简单方法
Sep 12 #Python
You might like
PHP使用数组实现队列
2012/02/05 PHP
php控制linux服务器常用功能 关机 重启 开新站点等
2012/09/05 PHP
php opendir()列出目录下所有文件的实例代码
2016/10/02 PHP
Ubuntu VPS中wordpress网站打开时提示”建立数据库连接错误”的解决办法
2016/11/03 PHP
php中类和对象:静态属性、静态方法
2017/04/09 PHP
PHP网页安全认证的实例详解
2017/09/28 PHP
Javascript操纵Cookie实现购物车程序
2006/11/23 Javascript
JS模拟多线程
2007/02/07 Javascript
jquery使用$(element).is()来判断获取的tagName
2014/08/24 Javascript
Javascript实现多彩雪花从天降散落效果的方法
2015/02/02 Javascript
jQuery往textarea中光标所在位置插入文本的方法
2015/06/26 Javascript
移动端JQ插件hammer使用详解
2015/07/03 Javascript
微信小程序开发图片拖拽实例详解
2017/05/05 Javascript
vue如何集成raphael.js中国地图的方法示例
2017/08/15 Javascript
javascript算法之二叉搜索树的示例代码
2017/09/12 Javascript
详解小程序rich-text对富文本支持方案
2018/11/28 Javascript
深入理解javascript prototype的相关知识
2019/09/19 Javascript
浅谈微信小程序列表埋点曝光指南
2019/10/15 Javascript
Vue管理系统前端之组件拆分封装详解
2020/08/23 Javascript
微信小程序用户登录和登录态维护的实现
2020/12/10 Javascript
python optparse模块使用实例
2015/04/09 Python
在Windows系统上搭建Nginx+Python+MySQL环境的教程
2015/12/25 Python
Python 功能和特点(新手必学)
2015/12/30 Python
Python调用SQLPlus来操作和解析Oracle数据库的方法
2016/04/09 Python
python 搭建简单的http server,可直接post文件的实例
2019/01/03 Python
Python中logging实例讲解
2019/01/17 Python
Python通过4种方式实现进程数据通信
2020/03/12 Python
CSS3实现精美横向滚动菜单按钮
2017/04/14 HTML / CSS
KENZO官网:高田贤三在法国创立的品牌
2019/05/16 全球购物
大学生职业生涯设计书
2014/01/02 职场文书
理工大学毕业生自荐信范文
2014/02/22 职场文书
领导干部廉政承诺书
2014/03/27 职场文书
情人节寄语大全
2014/04/11 职场文书
公司环境卫生管理制度
2015/08/05 职场文书
热爱劳动主题班会
2015/08/14 职场文书
Spring Boot项目传参校验的最佳实践指南
2022/04/05 Java/Android