サマリー：這篇文章通過實例給大家演示了利用python如何爬取三國演義，對于學(xué)習(xí)python的朋友們來說是個不錯的實例，有需要的朋友可以參考借鑒，下面來一起看看吧。本文的爬蟲教程分為四部： 1.從哪爬 where 2.爬什么 what 3.怎么爬 how&
這篇文章通過實例給大家演示了利用python如何爬取三國演義，對于學(xué)習(xí)python的朋友們來說是個不錯的實例，有需要的朋友可以參考借鑒，下面來一起看看吧。
本文的爬蟲教程分為四部：
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
一、從哪爬
三國演義
二、爬什么
三國演義全文
三、怎么爬
在Chrome頁面打開F12，就可以發(fā)現(xiàn)文章內(nèi)容在節(jié)點
<div id="con" class="bookyuanjiao">
只要找到這個節(jié)點，然后把內(nèi)容寫入到一個html文件即可。
content = soup.find("div", {"class": "bookyuanjiao", "id": "con"})
四、爬了之后如何保存
主要就是拿到內(nèi)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 locale
import sys
from lxml import etree
import re
reload(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(wǎng)')[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(nèi)容如下
<html><head><meta http-equiv="Content-Type" content="text/html; charset=utf-8"></head><body>
更多關(guān)于Python爬取三國演義的實現(xiàn)方法請關(guān)注PHP中文網(wǎng)（ipnx.cn）其他文章！