python 爬虫

库的安装：requests     ，     BeautifulSoup

request 基本方法：

request官方教程：http://docs.python-requests.org/zh_CN/latest/user/quickstart.html

注意：

如果直接

print(requests.get(url = target))

得到的是<Response [200]>

正确做法：

print(requests.get(url = target).text)

get返回的是一个response对象，里面有各种变量，需要的是其中叫text的那一个。直接print这个response对象的结果完全取决于开发者对__repr__或者__str__的重写情况。

beautifulsoup

bf = BeautifulSoup(requests.get(url = target).text,'html.parser')     #创建一个BeautifulSoup对象，注意需要添加解析格式xml或html.parser

find_all 根据指定的标签及属性，获取目标内容

texts = bf.find_all('div', class_ = 'showtxt')    #find_all获取目标内容

此时得到的结果仍旧有许多换行标签如<br>和空格符&nbsp，使用.text 和replace

 print(texts[0].text.replace('xa0'*8, '

'))    
     #find_all 返回的是一个列表，从列表内容中筛选出text内容即文本，再进行replace替换('被替换的','替换成的')

将八个空格变成换行

自动下载txt小说

from bs4 import BeautifulSoup
import requests, sys

"""
类说明:下载《笔趣看》网小说《一念永恒》
Parameters:
    无
Returns:
    无
Modify:
    2017-09-13
"""
class downloader(object):

    def __init__(self):
        self.server = 'http://www.biqukan.com/'
        self.target = 'http://www.biqukan.com/1_1094/'
        self.names = []            #存放章节名
        self.urls = []            #存放章节链接
        self.nums = 0            #章节数

    """
    函数说明:获取下载链接
    Parameters:
        无
    Returns:
        无
    Modify:
        2017-09-13
    """
    def get_download_url(self):
        req = requests.get(url = self.target)
        html = req.text
        div_bf = BeautifulSoup(html)
        div = div_bf.find_all('div', class_ = 'listmain')
        a_bf = BeautifulSoup(str(div[0]))
        a = a_bf.find_all('a')
        self.nums = len(a[15:])                                #剔除不必要的章节，并统计章节数
        for each in a[15:]:
            self.names.append(each.string)
            self.urls.append(self.server + each.get('href'))

    """
    函数说明:获取章节内容
    Parameters:
        target - 下载连接(string)
    Returns:
        texts - 章节内容(string)
    Modify:
        2017-09-13
    """
    def get_contents(self, target):
        req = requests.get(url = target)
        html = req.text
        bf = BeautifulSoup(html)
        texts = bf.find_all('div', class_ = 'showtxt')
        texts = texts[0].text.replace('xa0'*8,'

')
        return texts

    """
    函数说明:将爬取的文章内容写入文件
    Parameters:
        name - 章节名称(string)
        path - 当前路径下,小说保存名称(string)
        text - 章节内容(string)
    Returns:
        无
    Modify:
        2017-09-13
    """
    def writer(self, name, path, text):
        write_flag = True
        with open(path, 'a', encoding='utf-8') as f:
            f.write(name + '
')
            f.writelines(text)
            f.write('

')

if __name__ == "__main__":
    dl = downloader()
    dl.get_download_url()
    print('《一年永恒》开始下载：')
    for i in range(dl.nums):
        dl.writer(dl.names[i], '一念永恒.txt', dl.get_contents(dl.urls[i]))
        sys.stdout.write("  已下载:%.3f%%" %  float(i/dl.nums) + '
')
        sys.stdout.flush()
    print('《一年永恒》下载完成')