Python爬虫实战训练:爬取网络小说




import requests
from bs4 import BeautifulSoup
import re
import os
 
# 设置代理服务器
proxies = {
    'http': 'http://user:password@proxy.server.com:port',
    'https': 'https://user:password@proxy.server.com:port'
}
 
def get_novel_content(url, proxies):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
    response = requests.get(url, headers=headers, proxies=proxies)
    return response.text
 
def parse_content(html):
    soup = BeautifulSoup(html, 'lxml')
    content = soup.find('div', id='content').text
    return content
 
def save_novel_content(content, file_path):
    with open(file_path, 'w', encoding='utf-8') as file:
        file.write(content)
 
def main():
    url = 'http://www.example.com/novel.html'
    file_path = 'novel.txt'
    html = get_novel_content(url, proxies)
    content = parse_content(html)
    save_novel_content(content, file_path)
 
if __name__ == '__main__':
    main()

这段代码展示了如何使用Python爬取一个网络小说,并保存到本地。首先设置了代理服务器,然后定义了获取小说内容、解析HTML、保存小说内容到本地的函数。最后在main函数中调用这些函数,实现自动化爬取和保存小说内容的过程。

最后修改于:2024年09月03日 11:37

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日