用python爬虫下载小说的示例

这篇文章主要介绍用python爬虫下载小说的示例，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

只要利用 requests 和 Beautifulsoup 模块就可以获取到每一章节的 url 集合了。

import requests
from bs4 import BeautifulSoup
 
html = requests.get(url)
soup = BeautifulSoup(html.text, 'lxml')
all_td = soup.find_all('td', class_="L")
for a in all_td:
    all_urls = a.find('a').get('href')
print(all_urls)

获取所有章节 url 之后，自然是获取每一个页面的内容，然后解析出小说的内容，保存到文件夹。这里又要用到 requests，我们写个函数复用。

def get_html(url):
    # 伪装浏览器的头，这部大家应该都理解:
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}
    html = requests.get(url,headers=headers)
return html

获取小说内容也很简单，BeautifulSoup 解析出网页，如果直接用 BeautifulSoup 通过提取网页 html 标签来获取小说的话，会出现排版问题，不够美观。这里我们仍然用正则匹配小说内容。

for each in all_urls:
    soup = BeautifulSoup(get_html(each).text, 'lxml')
    # 获取章节标题
    title = soup.title.text.split('-')[1]
    all_info = soup.find('dd', id="contents")
    # 使用正则匹配章节内容
    p = r'<dd id="contents">(.*?)</dd>'
    # 处理正则在匹配错误章节，都是作者牢骚的内容，不影响小说内容抓取，直接过滤
    try:
        info = re.findall(p, str(all_info), re.S)[0]
        # 下载到txt文件
        with open(title + '.txt', 'w', encoding='gbk', errors='ignore') as f:
            f.write(info.replace('<br/>', '\n'))
    print('save sucessful: %s' % title)
    except:
        print('re faild: %s' % title)

以上是“用python爬虫下载小说的示例”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！