Python使用requests再爬三国演义

再次使用神奇的requests对三国演义下手。

Image 1.png

首先在Chrome下打开三国演义主目录网址,按F12查看,每一个章节的链接很有规律,都可以通过如下的css访问。

'#middlediv > #mulu > ul > li > a'
indexUrl="http://www.shicimingju.com/book/sanguoyanyi.html"
base_url = 'http://www.shicimingju.com'
r = requests.get(indexUrl, proxies=proxies)
soup = BS(r.text, "lxml")
book_lists = soup.select('#middlediv > #mulu > ul > li > a')

在拿到每一章的链接之后,就可以顺利下手了。
首先决定以每一章节作为文件名。

Image 2.png

其css如下:

'#alldiv > #main > #chaptercontent > #con > h2'

然后爬正文:

Image 3.png

其css如下:

'#alldiv > #main > #chaptercontent > #con > #con2 > p'

注意问题,在出来中文网页的时候,果不其然遇到了编码问题,有些章节的编码是ISO-8859-1,有些是utf-8。
所以还要分别处理:

if r.encoding == "ISO-8859-1":    
    soup = BS(r.text.encode('ISO-8859-1', 'ignore').decode('utf-8'), "lxml")
else:    
    soup = BS(r.text, "lxml")

完整代码如下:

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
import requests
import sys
import os
from bs4 import BeautifulSoup as BS

reload(sys)
sys.setdefaultencoding( "utf-8" )

sub_folder = os.path.join(os.getcwd(), "sanguoyanyi")
if not os.path.exists(sub_folder):
    os.mkdir(sub_folder)

proxies = {
  "http": "http://yourproxy.com:8080/",
  "https": "https://yourproxy.com:8080/",
}

indexUrl="http://www.shicimingju.com/book/sanguoyanyi.html"
base_url = 'http://www.shicimingju.com'
r = requests.get(indexUrl, proxies=proxies)
soup = BS(r.text, "lxml")
book_lists = soup.select('#middlediv > #mulu > ul > li > a')

for book in book_lists:
    real_url = base_url + book.get('href')
    print real_url

    r = requests.get(real_url, proxies=proxies)
    print r.encoding
    # soup = BS(r.text.encode('ISO-8859-1', 'ignore').decode('utf-8'), "lxml")
    try:
        if r.encoding == "ISO-8859-1":
            soup = BS(r.text.encode('ISO-8859-1', 'ignore').decode('utf-8'), "lxml")
        else:
            soup = BS(r.text, "lxml")
        title_lists = soup.select('#alldiv > #main > #chaptercontent > #con > h2')
        # print title_lists[0].get_text()

        file_name = title_lists[0].get_text() + ".txt"
        print file_name

        filename = sub_folder + "/" + file_name
        print filename

        content_lists = soup.select('#alldiv > #main > #chaptercontent > #con > #con2 > p')
        content_of_novel = ""

        for content in content_lists:
            content_of_novel += content.get_text()
            # print content.get_text()

        with open(filename, "wb") as f:
            f.write(content_of_novel)
        f.close()
    except UnicodeDecodeError:
        print "you need re check the encoding:" + real_url
        continue
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
  • 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 204,732评论 6 478
  • 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 87,496评论 2 381
  • 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 151,264评论 0 338
  • 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 54,807评论 1 277
  • 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 63,806评论 5 368
  • 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 48,675评论 1 281
  • 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 38,029评论 3 399
  • 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 36,683评论 0 258
  • 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 41,704评论 1 299
  • 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 35,666评论 2 321
  • 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 37,773评论 1 332
  • 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 33,413评论 4 321
  • 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 39,016评论 3 307
  • 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 29,978评论 0 19
  • 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 31,204评论 1 260
  • 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 45,083评论 2 350
  • 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 42,503评论 2 343

推荐阅读更多精彩内容