import requests
#正则模块
import re
# 要爬的网站
url = 'http://'
# 模拟浏览器发送http请求
response = requests.get(url)
# 编码方式
response.encoding = 'utf-8'
# 目标小说主页的网页源码
html = response.text
# 小说名
title = re.findall(r'<meta property="og:novel:book_name" content="(.*?)" />',html,re.S)[0]
# 新建一个文件，以小说名命名
fb = open('%s.txt' % title, 'w', encoding='utf-8')
# 获取每一章的信息（章节，url）
# re.S .匹配任意字符包括不可见字符（空格回车）
chapter_info_list = re.findall(r'<a rel="nofollow" href="(.*?)">(.*?)</a>', html, re.S) # 第二个参数为string，使用str()将列表转换为string
#循环每一个章节,分别下载
for chapter_info in chapter_info_list:
chapter_title = chapter_info[1]
chapter_url = chapter_info[0]
chapter_info = chapter_info_list[0]
chapter_url, chapter_title = chapter_info # 与注释掉的两句同义
chapter_response = requests.get('http://www.xqiushu.com/t/17591/5788711.html')
chapter_response.encoding = 'utf-8'
chapter_html = chapter_response.text
chapter_content = re.findall(r'<div class="book_content" id="content">(.*?)<div class="con_l">', html, re.S)
fb.write(chapter_title)
fb.write(str(chapter_content))#使用str()将列表转换为string
fb.write("\n")
上山看海
发布了27 篇原创文章 · 获赞 2 · 访问量 9433
私信
关注