Selenium爬取小说
确定url
找到你所需要的网站 然后进行分析检查 。
==注意: 进行搜索元素时 会有一个ctrl+f的操作
看class 或者 id 后面等于的值的时候 match 不一定是1 但是只要 这个标签下id=的这个值是唯一标识的即可 ,因为你搜索的是全部的整个页面下的这个值 但是class[id=xxx]这个会可能是唯一的。
进行分析页面在爬取
可以发现都在dd标签下
多层爬取 进入这个页面 然后爬取这一章的内容
可以发现内容都在这个标签下
我们打开一个文件接受这个文本即可
爬虫代码
python
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
file = open('./output/xxx/明克街13号.txt','a',encoding= 'utf-8')
driver = webdriver.Firefox()
url = 'https://www.xxxxx.bz/book/54529/'
driver.get(url)
dd_list =driver.find_elements(By.XPATH,"//div[@id='list']/dl/dd")
print(dd_list)
number = 1
for i in range(12,len(dd_list)):
print(f'爬取第{number}章')
detail_url = dd_list[i].find_element(By.XPATH,'a').get_attribute('href')
print(detail_url)
driver_chmo = webdriver.Chrome()
driver_chmo.get(detail_url)
response = driver_chmo.find_element(By.XPATH,'//div[@id="content"]')
print(response.text)
file.write(response.text+f'\n 第{number}章 \n')
number = number + 1
time.sleep(3)
file.close()
爬取的结果
欢迎批评指正