不识有话说
作为一个爬虫萌新，第一个小项目当然是爬一爬我们的萌新之友-《新笔趣阁》
虽然没什么难度，
不过还是分享一下自己的代码历程，
希望能给予大家一些思路或帮助，
当然，如果有大佬能够指出错误或可以改进的地方，
那当然更好了，
等你呦~
项目展示
在讲解项目之前，
先给你们展示一下功能，
不然看了半天，
结果不是自己想要的那不是自闭了。
<----------------------------------分割线------------------------------------->
说实话，感觉我挺憨的才能写出这种代码，谁下载小说不是一整本一整本下，
结果也就我傻大憨的一章一章下，甚至还觉得自己好牛，害
代码思路讲解
项目要用到的模块
import os
from time import sleep
import requests
from lxml import etree
没有的话可以自行安装，虽然大部分小伙伴应该都知道，但还是说一下
pip/pip3 install 想要安装的模块名
模块安装好了接下来讲解代码了
import os
from time import sleep
import requests
from lxml import etree
# 新笔趣阁的全部小说界面链接，所有小说链接都在这里
url = 'http://www.xbiquge.la/xiaoshuodaquan/'
# 请求头
headers = {
'User-Agent':"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"
}
# 向新笔趣阁发送get请求
all_book_r = requests.get(url, headers=headers)
# 解析返回的HTML页面数据
all_book_html = etree.HTML(all_book_r.content.decode('utf-8'))
首先进入新笔趣阁全部小说页面 >>>点击进入
点击键盘右上方的f12键或者鼠标右键点击检查进入页面调试界面（右边白色部分），
接下来单击调试台左上角的选中按钮，先随便选中一篇小说，
点击后发现左边调试台中的html界面已经跳转到了我们选中的地方，
我们可以发现这是一个ul列表下的一个a标签，并且这个ul列表储存着所有小说的链接，
那这就好办了~
我们通过Chrome的xpath插件获取到新笔趣阁所有小说的链接
没有的可以自己下载安装一下（强烈推荐，特别好用）
链接: https://pan.baidu.com/s/1_HzBzOp-vaWFkiuE2U9yFQ
提取码: sb7p
xpath使用：这里是一个大佬的博客，不懂的可以看看
我们将可以正确获取到自己需要信息的代码放入到xpath方法中，
xpath方法会将获取到的HTML页面里自己需要的所有信息放入到一个列表里，
这个列表也就是你设置的变量名
# 储存所有小说链接的列表
all_book_url = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/@href')
# 储存所有小说名的列表
all_book_title = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/text()')
print(all_book_url) # 下图
设置num值，每循环判断一次num值就+1，直到找到该小说，那么num值将作为上图列表的下标使用，获取到用户想要下载的小说的链接，进行该小说的数据获取
# 输入你想找的小说名
find_book = input('输入想下载的书名:')
num = 0
# 通过for循环判断是否有用户想找的小说
for book_title in all_book_title:
# 有则获取该小说你想要的数据
if find_book == book_title:
print('找到了，您要的', book_title)
# 找到该小说的链接
book_url = all_book_url[num]
# 向小说页面发送请求
book_r = requests.get(book_url, headers=headers)
# 解析
book_html = etree.HTML(book_r.content.decode('utf-8'))
# 该小说的章节链接列表
book_url = book_html.xpath('//div[@id="list"]/dl/dd/a/@href')
# 该小说的章节名列表
chapter_title = book_html.xpath('//div[@id="list"]/dl/dd/a/text()')
# 循环一次下标加一
num += 1
为了防止下载的小说都装在一个文件夹里，
不仅混乱而且很难找到自己想看的小说章节（其实只要小说内容装在一起就不用这么麻烦，但是当时我妹想到）
# 判断该路径是否存在，存在则返回true，不存在则返回flase
judge = os.path.exists('../小说/%s' % str(book_title))
# 判断judge是否为true，如果不是则创建该路径
if not judge:
os.makedirs('../小说/%s' % str(book_title))
通过用户输入的值，将需要的章节链接循环取出，然后通过xpath获取小说文本内容
# 告诉用户小说有多少章节
print('<------请输入数字(该小说共有%s章)------>' % len(chapter_title))
# 获取用户需要下载的章节
download_book_start = int(input('输入从第几章开始下载：'))
download_book_end = int(input('输入到第几章结束：'))
chapter_num = 0
# download_book_start - 1是因为列表下标是从0开始的
for book_content_url in book_url[download_book_start - 1:download_book_end]:
# 防止获取太快get不到数据
sleep(2)
new_book_content_url = 'http://www.xbiquge.la' + book_content_url
book_content_r = requests.get(new_book_content_url, headers=headers)
book_content_html = etree.HTML(book_content_r.content.decode('utf-8'))
# 该章节小说内容列表
book_content = book_content_html.xpath('//div[@class="box_con"]/div[@id="content"]/text()')
将内容列表里的数据一个个循环出来存到all_content字符串中，
然后通过with open方法，写入到text文件里
with open('../小说/%s/%s.text' % (str(book_title), chapter_title[download_book_start + chapter_num -1]), 'w', encoding='utf-8') as write_content:
# 用来储存小说内容的字符串
all_content = ''
for content in book_content:
all_content += content
write_content.write(all_content)
print(chapter_title[download_book_start + chapter_num -1], '--下载成功')
# 用来获取小说章节名
chapter_num += 1
print('全部下载完成')
emmm，大概可能也许讲完了，应该讲的挺详细的，
萌新第一次写，如果有什么不足，可以提出来(勿喷)，会慢慢改进的
完整代码
import os
from time import sleep
import requests
from lxml import etree
url = 'http://www.xbiquge.la/xiaoshuodaquan/'
headers = {
'User-Agent':"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36"
}
all_book_r = requests.get(url, headers=headers)
all_book_html = etree.HTML(all_book_r.content.decode('utf-8'))
all_book_url = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/@href')
all_book_title = all_book_html.xpath('//div[@class="novellist"]/ul/li/a/text()')
print(all_book_url)
find_book = input('输入想下载的书名:')
num = 0
for book_title in all_book_title:
if find_book == book_title:
print('找到了，您要的', book_title)
book_url = all_book_url[num]
book_r = requests.get(book_url, headers=headers)
book_html = etree.HTML(book_r.content.decode('utf-8'))
book_url = book_html.xpath('//div[@id="list"]/dl/dd/a/@href')
chapter_title = book_html.xpath('//div[@id="list"]/dl/dd/a/text()')
judge = os.path.exists('../小说/%s' % str(book_title))
if not judge:
os.makedirs('../小说/%s' % str(book_title))
print('<------请输入数字(该小说共有%s章)------>' % len(chapter_title))
download_book_start = int(input('输入从第几章开始下载：'))
download_book_end = int(input('输入到第几章结束：'))
chapter_num = 0
for book_content_url in book_url[download_book_start - 1:download_book_end]:
sleep(2)
new_book_content_url = 'http://www.xbiquge.la' + book_content_url
book_content_r = requests.get(new_book_content_url, headers=headers)
book_content_html = etree.HTML(book_content_r.content.decode('utf-8'))
book_content = book_content_html.xpath('//div[@class="box_con"]/div[@id="content"]/text()')
with open('../小说/%s/%s.text' % (str(book_title), chapter_title[download_book_start + chapter_num -1]), 'w', encoding='utf-8') as write_content:
all_content = ''
for content in book_content:
all_content += content
write_content.write(all_content)
print(chapter_title[download_book_start + chapter_num -1], '--下载成功')
chapter_num += 1
print('全部下载完成')
break
elif num + 1 == len(all_book_title):
print('查无此书')
num += 1
`
转载：https://blog.csdn.net/qq_38666686/article/details/109644659
查看评论