最新要闻

广告

手机

iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?

iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?

警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案

警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案

家电

Python爬虫实战,requests+openpyxl模块,爬取小说数据并保存txt文档(附源码)

来源:博客园

前言

今天给大家介绍的是Python爬取小说数据并保存txt文档,在这里给需要的小伙伴们代码,并且给出一点小心得。


(资料图片仅供参考)

首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是这样的纯文本数据爬取的人会很多,所以我们需要考虑更换代理IP和随机更换请求头的方式来对小说数据进行爬取。

在每次进行爬虫代码的编写之前,我们的第一步也是最重要的一步就是分析我们的网页。

通过分析我们发现在爬取过程中速度比较慢,所以我们还可以通过禁用谷歌浏览器图片、JavaScript等方式提升爬虫爬取速度。

开发工具

Python版本:3.6

相关模块:

requests模块

parsel模块

tqdm模块

pandas模块

环境搭建

安装Python并添加到环境变量,pip安装需要的相关模块即可。

文中完整代码及小说,评论留言获取

思路分析

浏览器中打开我们要爬取的页面按F12进入开发者工具,查看我们想要的小说数据在哪里这里我们需要页面数据就可以了

Cookie获取

代码实现

headers = {    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36",    #"Cookie": "你的Cookie"}def get_response(html_url):    """发送请求"""    # headers 字典类型 键值对 :隔开    # headers 请求头的作用: 把python代码伪装成浏览器对服务器发送请求    response = requests.get(url=html_url, headers=headers)    time.sleep(6)    return responsedef save(name, title, content):    with open(name + ".txt", mode="a", encoding="utf-8") as f:        f.write(title)        f.write("\n")        f.write(content)        f.write("\n")def get_novel_content(html_url):    response = get_response(html_url)    # parsel 解析数据 是需要把获取到的html字符串数据 转换成 selector 对象    # selector 对象 调用封装好的 css选择器 xpath    # 解析数据 提取小说url章节地址 小说名字    selector = parsel.Selector(response.text)    # css选择器 通过标签属性 提起数据    name = selector.css("#info h1::text").get()    href = selector.css("#list dd a::attr(href)").getall()    # get 获取一个标签内容[字符串]  getall 是获取所有标签属性内容[列表]    # 想要把列表里面每一个元素都提取出来的话, 是需要通过遍历    for index in href:        # https://www.biquges.com/10_10770/6896120.html        index_url = "https://www.biquges.com" + index        response_1 = get_response(index_url)        selector_1 = parsel.Selector(response_1.text)        title = selector_1.css(".bookname h1::text").get()        print(title)        content_list = selector_1.css("#content::text").getall()        # 保存文本数据 是字符串的形式        # 把列表转换成字符串 str() 强制转换数据类型        content = "".join(content_list)        save(name, title, content)

结果展示

最后

今天的分享到这里就结束了 ,感兴趣的朋友也可以去试试哈

对文章有问题的,或者有其他关于python的问题,可以在评论区留言或者私信我哦

觉得我分享的文章不错的话,可以关注一下我,或者给文章点赞(/≧▽≦)/

关键词: 发送请求 相关模块 我们需要