Python爬取三國演義

文/bluescorpio

爬蟲四部曲:

1.從哪爬 where
2.爬什么 what
3.怎么爬 how
4.爬了之后信息如何保存 save
本文是練手程序之爬取三國演義

從哪爬

三國演義

爬什么

三國演義全文

怎么爬

在Chrome頁面打開F12,就可以發現文章內容在節點

<div id="con" class="bookyuanjiao">

只要找到這個節點,然后把內容寫入到一個html文件即可。

content = soup.find("div", {"class": "bookyuanjiao", "id": "con"})

爬了之后如何保存
主要就是拿到內容,拼接到一個html文件,然后保存下來就可以了。

#!usr/bin/env 
# -*-coding:utf-8 -*-
import urllib2
import os
from bs4 
import BeautifulSoup as BS
import localeimpoyt sys
from lxml 
import tree 
import rereload(sys)sys.setdefaultencoding('gbk’)

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

path = sub_folder

# customize html as head of the articles
input = open(r'0.html', 'r’)
head = input.read()

domain = 'http://www.shicimingju.com/book/sanguoyanyi.html'
t = domain.find(r'.html’)
new_domain = '/'.join(domain.split("/")[:-2])
first_chapter_url = domain[:t] + "/" + str(1) + '.html’
print first_chapter_url

# Get url if chapter lists
req = urllib2.Request(url=domain)
resp = urllib2.urlopen(req)
html = resp.read()
soup = BS(html, 'lxml’)
chapter_list = soup.find("div", {"class": "bookyuanjiao", "id": "mulu”})
sel = etree.HTML(str(chapter_list))
result = sel.xpath('//li/a/@href’)

for each_link in result: 
    each_chapter_link = new_domain + "/" + 
    each_link 
    print each_chapter_link 
    req = urllib2.Request(url=each_chapter_link) 
    resp = urllib2.urlopen(req) 
    html = resp.read() 

    soup = BS(html, 'lxml') 
    content = soup.find("div", {"class": "bookyuanjiao", "id": "con"})     
    title = soup.
    title.text title = title.split(u'_《三國演義》_詩詞名句網')[0] 

    html = str(content) 
    html = head + html + "</body></html>" 

    filename = path + "\\" + title + ".html" 
    print filename 
    # write file 
    output = open(filename, 'w') 
    output.write(html) output.close()```

0.html的內容如下

<html><head><meta http-equiv="Content-Type" content="text/html; charset=utf-8"></head><body>


今年**第六屆大會PyConChina2016**,由PyChina.org發起,CPyUG/TopGeek 等社區協辦,將在2016年9月10日(上海)9月23日(深圳)10月15日(北京)地舉辦的針對Python開發者所舉辦的最盛大和權威的Python相關技術會議,由PyChina社區主辦,致力于推動各類Python相關的技術在互聯網、企業應用等領域的研發和應用。


您可以點擊[此處](http://www.huodongxing.com/go/pycon2016sh)
了解更多詳情,或者掃描下圖二維碼:
![](http://upload-images.jianshu.io/upload_images/2851089-21548df2e0afa985.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,197評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,415評論 3 415
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,104評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,884評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,647評論 6 408
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,130評論 1 323
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,208評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,366評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,887評論 1 334
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,737評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,939評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,478評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,174評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,586評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,827評論 1 283
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,608評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,914評論 2 372

推薦閱讀更多精彩內容