Beautifulsoup 简单爬取笔趣阁的一本小说

我写这个代码的主要目的是针对一个关于上面的题目的博文进行修改,其实,这个博文讲的不错,但是由于网站更新了,他的代码有些地方是不灵的。所以我就修改了一些。
这个博文

修改后的代码:(解释见注释)

from bs4 import BeautifulSoup
import requests, sys

class downloader(object):
    def __init__(self):
        self.server = "http://www.biqukan.com/"
        self.target = "http://www.biqukan.com/1_1094/"
        self.name = []
        self.url = []
        self.nums = 0

    def get_download_url(self):
        req = requests.get(url = self.target)   # 获取网页的内容。
        req.encoding = req.apparent_encoding    # 为了防止出现乱码,如果没有加这个的话,会出现乱码的。
        html = req.text
        div_soup = BeautifulSoup(html, "lxml")  # 解析,注意要加上'lxml'
        div = div_soup.find_all('div', class_ = 'listmain') # div的类型是bs4.element.ResultSet,是一个列表,不过在这个列表中,它的长度仅为1。
                                                            # 所以用div[0]读取内容。
        a_soup = BeautifulSoup(str(div[0]), "lxml") # Beautifulsoup()里面传入的是str类型。
        a = a_soup.find_all('a')
        self.nums = len(a[16:])
        for i in a[16:]:
            self.name.append(i.string)
            self.url.append(self.server + i.get('href'))    # i.get('href')是str类型。

    def get_content(self, target):
        req = requests.get(target)
        req.encoding = req.apparent_encoding    # 这个也是为了防止出现乱码的。
        html = req.text

        soup = BeautifulSoup(html, 'lxml')
        texts = soup.find_all('div', class_ = 'showtxt')
        texts = texts[0].text.replace(' ','\n').replace('\xa0'*8,' ') # 这个我不懂为什么为什么要加这个。反正只要加了这个,
                                                                      # 就会输出需要的内容。
        return texts

    def writer(self, name, path, text):
        with open(path, 'a', encoding= 'utf-8') as f:
            f.write(name + '\n')
            f.writelines(text)
            f.write('\n\n')
if __name__ == '__main__':
    dl = downloader()
    dl.get_download_url()
    print("开始下载:")
    for i in range(dl.nums):
        dl.writer(dl.name[i], '一念永恒.txt', dl.get_content(dl.url[i]))
        # print("  已下载:%.3f%%" %  float(i/dl.nums) + '\r')
        sys.stdout.write("\r" + "已下载:%.2f%%" %  float(100.0 * i/dl.nums)) # 在一行动态输出,下面的一行也必须要写。
        sys.stdout.flush()
    print("下载结束")

其中,关于在一行动态输出的博文可以见:
https://blog.csdn.net/weixin_33736048/article/details/86263346

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 精要主义不是一种教人再多做一件事情的方法,而是教人如何做事的不同方法,它是一种思维方式,但要把这种思维方式内化于心...
    冰祈依然阅读 201评论 0 0
  • 我的小蛋蛋 朋友们,乡亲们,大家好!我的小名叫蛋蛋,今年6岁了。小姨说要给我写一篇文章,我高兴坏了,虽然我认的字不...
    时慧慧爱物阅读 238评论 0 1
  • 找一个睛天,一个人独自
    像猫样行走夏平阅读 164评论 1 0