系列文章目录

python爬虫实战——爬取淘宝商品信息并导入EXCEL表格（超详细）
python多线程爬取壁纸 妈妈再也不担心我没壁纸了！ .

python爬虫爬取虎牙数据（简单利用requests库以及Beautifulsoup） .

python爬虫之爬取壁纸（新手入门级） .
python爬虫实战——爬取猫眼电影TOP100并导入excel表

---

---

前言

利用python写一个简单的笔趣阁爬虫，根据输入的小说网址爬取整个小说并保存到txt文件。爬虫用到了BeautifulSoup库的select方法
结果如图所示：

本文只用于学习爬虫

---

一、网页解析

这里以斗罗大陆小说为例 网址：
http://www.biquge001.com/Book/2/2486/

可以发现每章的网页地址和章节名都放在了 <"div id=list dl dd a>中的a标签中，所以利用BeautfulSoup中的select方法可以得到网址和章节名

Tag = BeautifulSoup(getHtmlText(url), "html.parser") #这里的getHtmlText是自己写的获取html的方法
urls = Tag.select("div #list dl dd a")

• 1
• 2

• 1
• 2

然后遍历列表

for url in urls:
    href = "http://www.biquge001.com/" + url['href']  # 字符串的拼接 拼接成正确的网址
    pageName = url.text  # 每章的章名

• 1
• 2
• 3

• 1
• 2
• 3

然后每章小说的内容都存放在<div id=“content” 里 同理得

  substance = Tag.select("div #content")  # 文章的内容

• 1

• 1

最后同理在首页获取小说的名称
<"div id = info h1>

bookName = Tag.select("div #info h1")

• 1

• 1

二、代码填写

1.获取Html及写入方法

def getHtmlText(url):
    r = requests.get(url, headers=headers)
    r.encoding = r.apparent_encoding  # 编码转换
    r.raise_for_status()
    return r.text

def writeIntoTxt(filename, content):
    with open(filename, "w", encoding="utf-8") as


    
 f:
        f.write(content)
        f.close()
        print(filename + "已完成")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

2.其余代码

代码如下（示例）：

url = "http://www.biquge001.com/Book/2/2486/"
substanceStr = ""
bookName1 = ""
html = getHtmlText(url)
# 判断是否存在这个文件
Tag = BeautifulSoup(getHtmlText(url), "html.parser")
urls = Tag.select("div #list dl dd a")
bookName = Tag.select("div #info h1")
for i in bookName:
    bookName1 = i.text
if not os.path.exists(bookName1):
    os.mkdir(bookName1)
    print(bookName1 + "创建完成")
else:
    print("文件已创建")
for url in urls:
    href = "http://www.biquge001.com/" + url['href']  # 字符串的拼接 拼接成正确的网址
    pageName = url.text  # 每章的章名
    path = bookName1 + "\\"  # 路径
    fileName = path + url.text + ".txt"  # 文件名 = 路径 + 章节名 + ".txt"
    Tag = BeautifulSoup(getHtmlText(href), "html.parser")  # 解析每张的网页
    substance = Tag.select("div #content")  # 文章的内容
    for i in substance:
        substanceStr = i.text
    writeIntoTxt(fileName, substanceStr)
    time.sleep(1) 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27

---

总结

简单利用了BeautfulSoup的select方法对笔趣阁的网页进行了爬取