csdn推荐
笔趣阁小说爬虫源代码开源
具体运用的知识:
request库中的get请求正则表达式的匹配规则parsel的Selector.css的解析进制数的转换数据保存
具体怎么查看和解析网页,我就不过多解释了,不过可以私信问我,我会教小伙伴怎么完成,其实我也挺想知道关于实习生就业?如何才能去找好一份好工作?面临着就业问题和期末考试等诸多问题,自己也忘记了创作、更新,在此对你们说声抱歉,由于在生活中各种繁琐的事情,让脑袋也焦头烂额,对未来的迷茫,也对未来憧憬的没信息,刚开始面试的时候,自己还是什么不懂而且紧张的小群众,我也想在这个行业脱颖而出,也知道现在这个就业环境,几乎都是不要实习岗位,想在一个岗位体现自己的价值,确实很重要,当然我也会不断精进自己,表达方面还有待提升,会好好在生活中珍惜每时每刻,希望我这个小博主能给你们带来启发。大家一起加油。
代码块:
"""
request:数据请求
parsel:数据解析
tqdm:下载进度条
pandas:输入格式好看些
selenium 可以模拟人的行为去操作浏览器
"""
import keyboard
"""
可爬取
https://www.bigee.cc/book/941/
不可爬取
https://www.beqege.com/61467/
"""
import parsel
import re
import binascii
import requests
import pandas as pd
# 显示进度条
from tqdm import tqdm
# 打包
# pyinstaller -F 文件名.py
def get_Html(url, cookies, headers):
try:
response = requests.get(url=url, cookies=cookies, headers=headers, timeout=30)
response.raise_for_status()
return response.text
except:
return "请求失败"
"""
selector.css()
class选择器:属性前面加个.
id选择器:属性前面加个#
getall():将查询到的结果转换为python列表,所有数据
get():将但查询到的第一个结果转换为str类型
::text :提取出文字
"""
def replace_question_mark(strings):
if '?' in strings:
result = strings.replace('?', '')
else:
result = strings
return result
"""
https://www.bigee.cc/s?q=%E6%B7%B1%E7%A9%BA%E5%BD%BC%E5%B2%B8
https://www.bigee.cc/s?q=%E4%BB%99%E9%80%86
"""
def getData(html):
"""
该网站的搜索到的信息需要编码格式转换
"""
try:
# 提取小说名称
data_book_articlename = re.findall(r'"articlename":"(.*?)","a', html)
# 提取小说url编号
data_book_urls = re.findall(r'url_list":"\/book\/(.*?)\/","', html)
# 提取小说作者信息
data_book_author = re.findall(r'"author":"(.*?)","i', html)
if data_book_articlename:
books_list = []
for name, author, id_url in zip(data_book_articlename, data_book_author, data_book_urls):
# 方法1 Python 3 - 使用原始字符串字面量
# utf8_str = bytes(fr"{cn}", 'utf-8').decode('unicode_escape')
# 或者更简单地,如果你是从文件或网络等外部来源得到的字符串,可以直接这样处理:
book_cn = bytes(name.replace(r'\', r'\\'), 'utf-8').decode('unicode_escape') # 需要双层转义
book_author = bytes(author.replace(r'\', r'\\'), 'utf-8').decode('unicode_escape') # 需要双层转义
books_list.append({
"书名": book_cn,
"作者": book_author,
"书ID": id_url,
})
# print(book_cn,book_author,id_url) # 输出实际的字符,假设是"仙逆"
# break
return books_list
else:
# return "没有找到你想搜索的内容 / 没有这本书的数据 … …"
return "1"
except:
return "获取失败"
def get_one_chapter(html, cookies, headers,file_path):
# 利用正则表达式,提取出dd标签中的所有内容
books_dd = re.findall(r'(.*?) ', html, re.DOTALL)
book_dd_str = ''.join(books_dd) # 将提取的列表数据转换成字符串
# 提取每章小说的url链接
books_urls = re.findall(r'href ="(.*?)">', book_dd_str)
for url in books_urls:
book_url = f'https://www.bigee.cc{url}'
r = requests.get(url=book_url, cookies=cookies, headers=headers, timeout=30)
selector = parsel.Selector(r.text) # 将response.text转换成selector对象
book_title_css = selector.css('.content h1::text').get() # get()取单个数据
title = replace_question_mark(book_title_css)
book_content_css = selector.css('#chaptercontent ::text').getall() # getall()取所有数据
# 将列表转换成字符串数据 join n换行符
book_content = 'n'.join(book_content_css)
# print(book_content)
# 保存数据
# w写入数据但是覆盖 a写入追加写入,写入文本末尾 b 二进制模式
with open(f'{file_path}{title}.txt', mode='w', encoding='utf-8') as f:
# f.write(book_title_css)
f.write(book_content)
f.close()
print(f"{title} 爬取成功")
def main():
cookies = {
'Hm_lvt_985c57aa6304c183e46daae6878b243b': '1718978766,1719023702',
'hm': 'bb293a4c202fd7e635bdf44e601d3c27',
'Hm_lpvt_985c57aa6304c183e46daae6878b243b': '1719025617',
}
headers = {
'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,static/avif,static/webp,static/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.7',
'accept-language': 'zh-CN,zh;q=0.9',
'cache-control': 'no-cache',
# 'cookie': 'Hm_lvt_985c57aa6304c183e46daae6878b243b=1718978766,1719023702; hm=bb293a4c202fd7e635bdf44e601d3c27; Hm_lpvt_985c57aa6304c183e46daae6878b243b=1719025617',
'pragma': 'no-cache',
'priority': 'u=0, i',
'referer': 'https://www.bigee.cc/s?q=%E6%B7%B1%E7%A9%BA%E5%BD%BC%E5%B2%B8',
'sec-ch-ua': '"Not/A)Brand";v="8", "Chromium";v="126", "Google Chrome";v="126"',
'sec-ch-ua-mobile': '?0',
'sec-ch-ua-platform': '"Windows"',
'sec-fetch-dest': 'document',
'sec-fetch-mode': 'navigate',
'sec-fetch-site': 'same-origin',
'upgrade-insecure-requests': '1',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36',
}
while True:
book_name = input("输入你想爬取的小说(输入0即可退出):")
if book_name == "0":
break
# https: // www.bigee.cc / user / search.html?q = %E6 % 96 % 97 % E7 % BD % 97 % E5 % A4 % A7 % E9 % 99 % 86
book_name_url = f"https://www.bigee.cc/user/search.html?q={book_name}"
html_s = get_Html(book_name_url, cookies, headers)
list = getData(html_s)
# 存储数据,方便整齐观看
if list != "1":
search_data = pd.DataFrame(list)
print(search_data)
key_num = int(input("输入小说序号:"))
id = list[key_num]['书ID']
"""https://www.bigee.cc/book/941/"""
chapter_url = f"https://www.bigee.cc/book/{id}/"
html_c = get_Html(chapter_url, cookies, headers)
# file_path = 'E:/Hui/爬虫/自修案例/新:笔趣阁小说爬取/'
file_path = input("输入你想存储的位置(如:E:/Hui/爬虫/自修案例/新:笔趣阁小说爬取/):")
get_one_chapter(html_c, cookies, headers,file_path)
else:
print("没有找到你想搜索的内容 / 没有这本书的数据 … …")
if __name__ == "__main__":
main()
文章来源:https://blog.csdn.net/weixin_74994771/article/details/140026903
微信扫描下方的二维码阅读本文
© 版权声明
THE END
暂无评论内容