手把手教你使用Python网络爬虫下载一本小说（附源码）

  大家好，我是Python进阶者。

前言

  前几天【磐奚鸟】大佬在群里分享了一个抓取小说的代码，感觉还是蛮不错的，这里分享给大家学习。

一、小说下载

    如果你想下载该网站上的任意一本小说的话，直接点击链接进去，如下图所示。

    只要将URL中的这个数字拿到就可以了，比方说这里是951，那么这个数字代表的就是这本书的书号，在后面的代码中可以用得到的。

二、具体实现

    这里直接丢大佬的代码了，如下所示：

1# coding: utf-8
2'''
3笔趣网小说下载
4仅限用于研究代码
5勿用于商业用途
6请于24小时内删除
7'''
8import requests
9import os
10from bs4 import BeautifulSoup
11import time
12
13
14def book_page_list(book_id):
15    '''
16    通过传入的书号bookid，获取此书的所有章节目录
17    :param book_id:
18    :return: 章节目录及章节地址
19    '''
20    url = 'http://www.biquw.com/book/{}/'.format(book_id)
21    headers = {
22        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36'}
23    response = requests.get(url, headers)
24    response.encoding = response.apparent_encoding
25    response = BeautifulSoup(response.text, 'lxml')
26    booklist = response.find('div', class_='book_list').find_all('a')
27    return booklist
28
29
30def book_page_text(bookid, booklist):
31    '''
32    通过书号、章节目录，抓取每一章的内容并存档
33    :param bookid:str
34    :param booklist:
35    :return:None
36    '''
37    try:
38        for book_page in booklist:
39            page_name = book_page.text.replace('*', '')
40            page_id = book_page['href']
41            time.sleep(3)
42            url = 'http://www.biquw.com/book/{}/{}'.format(bookid,page_id)
43            headers = {
44                'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36'}
45            response_book = requests.get(url, headers)
46            response_book.encoding = response_book.apparent_encoding
47            response_book = BeautifulSoup(response_book.text, 'lxml')
48            book_content = response_book.find('div', id="htmlContent")
49            with open("./{}/{}.txt".format(bookid,page_name), 'a') as f:
50                f.write(book_content.text.replace('\xa0', ''))
51                print("当前下载章节：{}".format(page_name))
52    except Exception as e:
53        print(e)
54        print("章节内容获取失败，请确保书号正确，及书本有正常内容。")
55
56
57if __name__ == '__main__':
58    bookid = input("请输入书号(数字)：")
59    # 如果书号对应的目录不存在，则新建目录，用于存放章节内容
60    if not os.path.isdir('./{}'.format(bookid)):
61        os.mkdir('./{}'.format(bookid))
62    try:
63        booklist = book_page_list(bookid)
64        print("获取目录成功！")
65        time.sleep(5)
66        book_page_text(bookid, booklist)
67    except Exception as e:
68        print(e)
69        print("获取目录失败，请确保书号输入正确！")

程序运行之后，在控制台输入书号，即可开始进行抓取了。

在本地也会自动新建一个书号命名的文件夹，在该文件夹下，会存放小说的章节，如下图所示。

三、常见问题

    在运行过程中小伙伴们应该会经常遇到这个问题，如下图所示。

    这个是因为访问太快，网站给你反爬了。可以设置随机的user-agent或者上代理等方法解决。

四、总结

我是Python进阶者。这篇文章主要给大家介绍了小说内容的获取方法，基于网络爬虫，通过requests爬虫库和bs4选择器进行实现，并且给大家例举了常见问题的处理方法。

    小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。