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
<divid="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-*-
importurllib2
importos
frombs4importBeautifulSoupasBS
importlocale
importsys
fromlxmlimportetree
importre
reload(sys)
sys.setdefaultencoding('gbk')
sub_folder=os.path.join(os.getcwd(),"sanguoyanyi")
ifnotos.path.exists(sub_folder):
os.mkdir(sub_folder)
path=sub_folder
#customizehtmlasheadofthearticles
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'
printfirst_chapter_url
#Geturlifchapterlists
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')
foreach_linkinresult:
each_chapter_link=new_domain+"/"+each_link
printeach_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"
printfilename
#writefile
output=open(filename,'w')
output.write(html)
output.close()
0.html的内容如下
<html><head><metahttp-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。