文章目录
一、准备python环境
Python爬虫基础(一):urllib库的使用详解
Python爬虫基础(二):使用xpath与jsonpath解析爬取的数据
二、分析小说网的章节目录
最近迷上了《史上最全炼气期》,我们以这一部小说为例:
小说章节列表:http://www.yetianlian.cc/yt4017/

我们可以爬取关键信息:章节名和章节的url,遍历章节名,通过章节的url即可获取每一章的内容!
三、分析小说网的章节内容

每一章的内容,也可以很轻松的得到。
接下来就是编码了。
四、编写python脚本
py
import urllib.request
from lxml import etree
def create_request(url):
'''
构造请求request
'''
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36',
}
request = urllib.request.Request(url = url, headers = headers)
return request
def get_content(request):
'''
得到响应内容
'''
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
return content
if __name__ == '__main__':
# 获取所有章节
base_url = 'http://www.yetianlian.cc/yt4017/'
request = create_request(base_url)
content = get_content(request)
base_tree = etree.HTML(content)
# 章节名
name_list = base_tree.xpath('//div[@class="listmain"]/dl/dd/a/text()')
# 章节地址
url_list = base_tree.xpath('//div[@class="listmain"]/dl/dd/a/@href')
# 定位到从哪一章开始读
key = input('请输入要阅读的章节:')
begin = 0
for i in range(0, len(name_list)-1):
if(key in name_list[i]):
begin = i
for i in range(begin, len(name_list)-1):
input('章节名---------------------->' + name_list[i])
# 获取具体哪一章的内容
url = 'http://www.yetianlian.cc' + url_list[i]
request = create_request(url)
content = get_content(request)
tree = etree.HTML(content)
# 获取小说的内容
result = tree.xpath('//div[@id="content"]/text()')
# 遍历内容
for res in result:
input(res)
print('-------------->end')
五、验证一下吧
我们随便使用一个ide,在下面打开命令行,执行命令,执行脚本:
bash
python story.py
然后输入要阅读的章节,不断的按回车键,就可以一直刷出内容了!是不是摸鱼神器~