前言
大家好,我是辣条。
不知不觉写了有103篇博文了,辣条以后尽量给大家带上编号,这样方便大家后续查阅,毕竟很多人都是放在收藏里起灰,方便你们后续查找的话你们直接看编号就简单多了。这样你们也可以放心收藏起来了
今天给大家继续爬虫系列,切记不能沉迷,另外也不要轻易模仿。 可以收藏研究一下技术点学长还是特别支持的
一,开发环境
python3.7
pycharm
二,程序分析&代码实现
首先获取它的页面资源:
import requests
from lxml import etree
#资源地址
url = ' 地址'
#请求头
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.82 Safari/537.36'
}
#页面响应
response = requests.get(url=url,headers=headers)
#数据转换
data = etree.HTML(response.text)
接下来通过页面解析拿到所有的书:
扫描二维码关注公众号,回复:
13790067 查看本文章
#获取到排行榜所有书
book_info_list = data.xpath('//div[@class="item"]')
进入模块可以发现所有书的详情页面都是放在该路径下:
那么我们可以筛选,拿到path进行拼接:
for book_info in book_info_list:
#拿到path
page_id = book_info.xpath('div[@class="image"]/a/@href')[0]
#拼接到主域名下
url = url[0:19] + page_id
在详情页面看到有个下载链接,这样可以省了很大的功夫,通过页面来分析:
可以看到它的下载url,是传了参数跟书名过去的,那么可以获取到该链接并且拼接这样就拿到了下载链接,同时拿到书的名字作为下载备用:
for book_info in book_info_list:
#拿到path
page_id = book_info.xpath('div[@class="image"]/a/@href')[0]
#拼接到主域名下
url = url[0:19] + page_id
#获取详情页面
response = requests.get(url=url,headers=headers)
info_page = etree.HTML(response.text)
#拿到下载path
download_url = info_page.xpath('//div[@class="readbtn"]/a/@href')[2]
#拼接url
download_url = url[0:19] + download_url
#拿到书名字
book_name = download_url.split('=')[2]
接下来对下载链接发起请求,通过文件I/O写入本地:
boo_txt = requests.get(url=download_url,headers=headers)
with open('book/%s.txt'%book_name,'w',encoding='utf-8') as f:
f.write(boo_txt.text)
让我们来看看结果:
这样就拿到了排行榜的所有书了,非常的方便快捷。
三,项目总结
首先要去手动分析下载的路径步骤,然后将这些步骤用代码一一实现就好啦。轻轻松松又简简单单
这样就拿到了排行榜的所有小说了,非常的方便快捷。 另外还有之前的一些源码啥的都可以在底下的小卡片找我拿,还有一些我之前用的书,脑图路线,视频啥的,都快放不下了~