Python爬虫视频以及使用python3爬取的实例是怎样的

这篇文章将为大家详细讲解有关Python爬虫视频以及使用python3爬取的实例是怎样的，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

使用Python3爬取小说，代码看起来有点乱，下面有截图

import requests

from lxml import etree

from multiprocessing.dummy import Pool

import os

import re

#小说的章节地址

chapter_url = "https://www.biqudu.com/43_43821/"

#忽略警告 https请求设置verify=False时 有时候会报错 设置这条语句可以解决

requests.packages.urllib3.disable_warnings()

def get_response(url):

    '''

    ：根据指定URL获取响应数据、

    ：返回xpath选择器格式的数据

    '''

    html = requests.get(url,verify=False)

    return etree.HTML(html.text)

def get_chapter_content(selector):

    '''

    ：传入xpath选择器格式的数据获取想要的数据

    ：返回一个包含章节标题，和章节地址的数组

    '''

    html = []

    #根据xpath获取title

    title = selector.xpath('//*[@id="list"]/dl/dd/a/text()')

    # 根据xpath获取url

    href = selector.xpath('//*[@id="list"]/dl/dd/a/@href')

    #这里以12开始遍历是因为前面几个数据是不要的

    for i in range(12,len(title)):

        tit = title[i]

        url = "https://www.biqudu.com" + href[i]

        chapter = {"title":tit,"url":url}

        html.append(chapter)

    return html

def save_content(url):

    '''

    ：根据传进来的URL获取数据并保存

    ：这里的URL传入的事一个字典存储的地址和相对应保存文件的名称

    '''

    # 保存下载文件的文件夹

    folder = 'novel'

    # 获取选择器

    html = get_response(url['url'])

    # 提取出想要的内容

    con = html.xpath('//*[@id="content"]/text()')

    # 判断文件夹是否存在 不存在就创建

    if not os.path.exists(folder):

        os.mkdir(folder)

    # 去掉非法字符

    fileName = re.sub('[\/:*?"<>|]','-',url['name'])    

    # 保存文件

    with open(folder + "/" + fileName + ".txt","w+",encoding="utf-8") as f:

        # 得到的是一个list 这里转换为str

        content = ''.join(con)

        #遍历字符串 保存为每行不好过50个字符

        for i in range(0,len(content),50):

            f.write(content[i:i+50] + "\n")

def get_content(html):

    '''

    ：并行爬取保存数据

    '''

    urls = []

    for con in html:

        url = con['url']

        name = con['title']

        urls.append({'name':name,'url':url})

    # 线程个数

    pool = Pool(4)

    # 使用map进行并行爬取，save_content为爬取保存函数，

    # urls为一个list,里面存储的为网址列表和对应的保存名字

    pool.map(save_content,urls)

    pool.close()

    pool.join()

def main():

    selector = get_response(chapter_url)

    html = get_chapter_content(selector)

    get_content(html)

if __name__ == '__main__':

    main()

关于Python爬虫视频以及使用python3爬取的实例是怎样的就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。