Python爬取三國演義的實(shí)現(xiàn)方法

更新時間：2016年09月12日 11:19:04 作者：bluescorpio

這篇文章通過實(shí)例給大家演示了利用python如何爬取三國演義，對于學(xué)習(xí)python的朋友們來說是個不錯的實(shí)例，有需要的朋友可以參考借鑒，下面來一起看看吧。

本文的爬蟲教程分為四部：

1.從哪爬 where

2.爬什么 what

3.怎么爬 how

4.爬了之后信息如何保存 save

一、從哪爬

三國演義

二、爬什么

三國演義全文

三、怎么爬

在Chrome頁面打開F12，就可以發(fā)現(xiàn)文章內(nèi)容在節(jié)點(diǎn)

<div id="con" class="bookyuanjiao">

只要找到這個節(jié)點(diǎn)，然后把內(nèi)容寫入到一個html文件即可。

content = soup.find("div", {"class": "bookyuanjiao", "id": "con"})

四、爬了之后如何保存

主要就是拿到內(nèi)容，拼接到一個html文件，然后保存下來就可以了。

#!usr/bin/env 
# -*-coding:utf-8 -*-
import urllib2
import os
from bs4 import BeautifulSoup as BS
import locale
import sys
from lxml import etree
import re

reload(sys)
sys.setdefaultencoding('gbk')

sub_folder = os.path.join(os.getcwd(), "sanguoyanyi")
if not os.path.exists(sub_folder):
  os.mkdir(sub_folder)

path = sub_folder

# customize html as head of the articles
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'
print first_chapter_url

# Get url if chapter lists
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')

for each_link in result:
  each_chapter_link = new_domain + "/" + each_link
  print each_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'_《三國演義》_詩詞名句網(wǎng)')[0]

  html = str(content)
  html = head + html + "</body></html>"

  filename = path + "\\" + title + ".html"
  print filename
  # write file
  output = open(filename, 'w')
  output.write(html)
  output.close()

0.html的內(nèi)容如下

<html><head><meta http-equiv="Content-Type" content="text/html; charset=utf-8"></head><body>

總結(jié)

以上就是利用Python爬取三國演義的實(shí)現(xiàn)方法，希望對大家學(xué)習(xí)python能有所幫助，如果有疑問大家可以留言交流。

您可能感興趣的文章:

相關(guān)文章

python通用數(shù)據(jù)庫操作工具 pydbclib的使用簡介
這篇文章主要介紹了python通用數(shù)據(jù)庫操作工具 pydbclib的使用簡介，幫助大家更好的理解和使用python，感興趣的朋友可以了解下
2020-12-12
python中break、continue 、exit() 、pass終止循環(huán)的區(qū)別詳解
這篇文章主要介紹了python中break、continue 、exit() 、pass終止循環(huán)的區(qū)別詳解，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2019-07-07
Python實(shí)現(xiàn)softmax反向傳播的示例代碼
這篇文章主要為大家詳細(xì)介紹了Python實(shí)現(xiàn)softmax反向傳播的相關(guān)資料，文中的示例代碼講解詳細(xì)，具有一定的參考價值，感興趣的可以了解一下
2023-04-04
Python3.5以上版本lxml導(dǎo)入etree報錯的解決方案
這篇文章主要介紹了Python3.5以上版本lxml導(dǎo)入etree報錯的解決方案，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2019-06-06
超級好用的4個Python命令行可視化庫
通常大家都是在自己的電腦上跑程序,直接是可以可視化相應(yīng)的結(jié)果.如果是在服務(wù)器上的話,使用終端,是不太方便查看結(jié)果. 今天,小F就給大家介紹4個可以在命令行中使用的Python庫. 分別是Bashplotlib、tqdm、PrettyTable、Colorama,需要的朋友可以參考下
2021-06-06
Python中的裝飾器用法詳解
這篇文章主要介紹了Python中的裝飾器用法,以實(shí)例形式詳細(xì)的分析了Python中的裝飾器的使用技巧及相關(guān)注意事項(xiàng),具有一定參考借鑒價值,需要的朋友可以參考下
2015-01-01
django drf框架自帶的路由及最簡化的視圖
這篇文章主要介紹了django-drf框架自帶的路由以及最簡化的視圖,本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值，需要的朋友可以參考下
2019-09-09
詳解Python3定時器任務(wù)代碼
這篇文章主要介紹了Python3定時器任務(wù)代碼，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值,需要的朋友可以參考下
2019-09-09
python如何將圖片轉(zhuǎn)換為字符圖片
這篇文章主要為大家詳細(xì)介紹了python將圖片轉(zhuǎn)換為字符圖片的方法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2018-03-03
django將圖片保存到mysql數(shù)據(jù)庫并展示在前端頁面的實(shí)現(xiàn)
這篇文章主要介紹了django將圖片保存到mysql數(shù)據(jù)庫并展示在前端頁面的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2021-05-05