【Selenium爬取小说】

辣子不辣，英语不难2023-12-04 6:07

Selenium爬取小说

确定url
进行分析页面在爬取
爬虫代码

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 复制代码

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