用xpath爬取小说href

import requests

from bs4 import BeautifulSoup as bf

from lxml import etree

url ='https://www.soxscc.com/MangHuangJi/'

headers = {'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36'}

resp = requests.get(url,headers=headers)

resp_xpath = etree.HTML(resp.text)

result = resp_xpath.xpath('//*[@id="novel4451"]/dl/dd/a/@href')

for i in range(0,4):

        url1 ='https://www.soxscc.com/' +result[i]

        print(url1)

输出结果是

因为设置只循环四次,从第一章节循环到第四章网址

for i in range(0,4):

        url1 ='https://www.soxscc.com/' +result[i]

        print(url1)

用xpath方便了很多,这次只需要在网页检查的页面点击复制xpath

之后

result = resp_xpath.xpath('//*[@id="novel4451"]/dl/dd/a/@href')

就得到了href列表result,添加一些代码打印出来

for i in result:

    print()


方便多了。。。


之后就更简单了,只用了3次for循环,而且不复杂


import requests

from bs4import BeautifulSoupas bf

from lxmlimport etree

url ='https://www.soxscc.com/MangHuangJi/'

headers = {'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36'}

resp = requests.get(url,headers=headers)

resp_xpath = etree.HTML(resp.text)

result = resp_xpath.xpath('//*[@id="novel4451"]/dl/dd/a/@href')

for i in range(0,10):

    output ="\n\n{}\n\n{}\n\n\n\n\n\n"

    url1 ='https://www.soxscc.com/' +result[i]

    resp1 = requests.get(url1,headers=headers)

    soup = bf(resp1.text,'lxml')

    title = soup.find('h1').string

    contents = soup.findAll('div',class_='content')

    for i in contents:

        content = i.get_text()

        output1 = output.format(title,content)

    for i in output1:

        with open('souxiaoshuo.txt','a',encoding='utf-8')as f:

            f.write(i)

这次可以指定下载多少章节,10次循环下载10章节

下次爬取网抑云音乐评论。。。



假如获得了网页的字符串格式,也就是上面的resp.text,用etree可以把它变成xpath的格式,也就是说可以用.xpath()这个函数,括号里面写要爬取的东西的xpath,直接在网页源代码里复制就行了。有时候复制了也爬取不了。

/@href就是取出标签a里的那一段地址


如果是/text()的话,会出现文字信息。


.format()的作用就是把括号里的东西填入{}中去

比如

得到

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 220,137评论 6 511
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,824评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,465评论 0 357
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,131评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,140评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,895评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,535评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,435评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,952评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,081评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,210评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,896评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,552评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,089评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,198评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,531评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,209评论 2 357