如何用BeautifulSoup4爬取小说资源-创新互联
今天就跟大家聊聊有关如何用BeautifulSoup4爬取小说资源,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
镇海网站制作公司哪家好,找创新互联公司!从网页设计、网站建设、微信开发、APP开发、自适应网站建设等网站项目制作,到程序开发,运营维护。创新互联公司自2013年创立以来到现在10年的时间,我们拥有了丰富的建站经验和运维经验,来保证我们的工作的顺利进行。专注于网站建设就选创新互联公司。随便找了一个小说网站,没有爬取文章内容,主要是理解一下BeautifulSoup4的使用方法,如果搞懂本文了,爬取文章都不是问题.
代码最后生成一个字典如下:
{'玄幻':[['书名1','作者1','书链接1'], ['书名2','作者2','书链接2'] ], '恐怖':[['书名1','作者1','书链接1'], ['书名2','作者2','书链接2'] ] }
代码正文:
请安装requests和bs4(BeautifulSoup)
from bs4 import BeautifulSoup import requests,sys sys.setrecursionlimit(10000) # 防止超出递归深度报错 Url_Index = 'http://m.pfwx.com' r = requests.get(Url_Index) r.encoding = 'utf-8' content = r.text soup = BeautifulSoup(content,features='html.parser') target = soup.find('div',class_='nav') # 只获取第一个包含class='nav'属性的div标签 tar = target.find_all('a') # 过滤出a标签 # 获取index的栏目 Index_Menu = {} for so in tar: TEXT = so.get_text() HREF = Url_Index + so['href'] # 获取href属性的值 Index_Menu[TEXT] = HREF # 获取分类 Class_Page = Index_Menu['分类'] r = requests.get(url=Class_Page) r.encoding = 'utf-8' content = r.text soup = BeautifulSoup(content,features='html.parser') tag = soup.body.find_all('li',class_='prev') Menu = {} for so in tag: TEXT = so.get_text() # 获取文本 HREF = so.a.attrs['href'] # 获取a标签中的href属性 # 生成各个分类的Url Category_Url = Url_Index + HREF Menu[TEXT] = Category_Url # 获取每种分类的书信息 for ClassName in Menu: Book_List = [] def make(url): '''获取所有的书信息,并且交给函数IF判断是否还有下一页,如果有则继续获取书的信息''' r = requests.get(url=url) content = r.text soup = BeautifulSoup(content, features='html.parser') target = soup.find_all('a', class_='blue') for so in target: BookName = so.get_text() # 书名 IMHOW_NAME = so.next_sibling.split('/')[1] # 作者名 HREF = Url_Index + so['href'] # 书的链接 Book_List.append([BookName,IMHOW_NAME,HREF]) Next_Page = soup.find('div', class_='page') IF(NextPage=Next_Page) def IF(NextPage): '''判断是否还有下一页,如果有则继续循环''' for Page in NextPage.find_all('a'): if Page.get_text() == '下页': '''判断如果还有下页,则继续获取书的信息''' Url = Url_Index + Page['href'] make(url=Url) url=Menu[ClassName] # 获取当前分类的URL make(url) # 获取当前分类的所有书信息 Menu[ClassName] = Book_List # 最后生成的信息都在这个字典里面;格式{'玄幻':[['书名1','作者1','书链接1'],['书名2','作者2','书链接2']]}
看完上述内容,你们对如何用BeautifulSoup4爬取小说资源有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注创新互联行业资讯频道,感谢大家的支持。
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。
网站标题:如何用BeautifulSoup4爬取小说资源-创新互联
标题URL:http://myzitong.com/article/desepp.html