python爬取免费或付费小说的示例分析
发表于：2025-02-03 作者：千家信息网编辑
千家信息网最后更新 2025年02月03日，本篇文章给大家分享的是有关python爬取免费或付费小说的示例分析，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。小说相信大家都爱看吧一章
千家信息网最后更新 2025年02月03日python爬取免费或付费小说的示例分析
本篇文章给大家分享的是有关python爬取免费或付费小说的示例分析，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
小说相信大家都爱看吧一章接一章具有极大的吸引力 看了还想看,当然付费小说价格也不便宜 看到一半突然收费 猝不及防!在我们程序员这里 收费是不存在的 万物皆可爬
什么是网络爬虫
网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。
环境：Python3.6+Windows
开发工具：你喜欢用哪个就用哪个，你开心就好！
主要思路：
1 获取主页源代码
2 获取章节超链接
3 获取章节超链接源码
4 获取小说内容
5 下载,文件操作
Python代码了解一下
import urllib.requestimport re# 1 获取主页源代码# 2 获取章节超链接# 3 获取章节超链接源码# 4 获取小说内容# 5 下载,文件操作# 驼峰命名法# 获取小说内容def getNovertContent():#html = urllib.request.urlopen("http://www.quanshuwang.com/book/0/269").read()html = html.decode("gbk")# 不加括号 不匹配# 正则表达式 .*? 匹配所有reg = r'(.*?) '# 增加效率的reg = re.compile(reg)urls = re.findall(reg,html)# print(urls)# 列表# [(http://www.quanshuwang.com/book/0/269/78850.html,第一章 山边小村),# (http://www.quanshuwang.com/book/0/269/78854.html,第二章 青牛镇)]for url in urls:# 章节的URL地址novel_url = url[0]# 章节标题novel_title = url[1]chapt = urllib.request.urlopen(novel_url).read()chapt_html = chapt.decode("gbk")# r 表示原生字符串 \ \\d r"\d"reg = r' (.*?)