python爬虫技术深入理解原理（Python爬虫实战，requests+openpyxl模块，爬取小说数据并保存txt文档（附源码））

前言

今天给大家介绍的是Python爬取小说数据并保存txt文档    
    
    
，在这里给需要的小伙伴们代码   


     


     


  ，并且给出一点小心得  
    
    
  。

首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫



 




 




 
，基本的是加请求头   

   

   

，但是这样的纯文本数据爬取的人会很多    

     

     

 ，所以我们需要考虑更换代理IP和随机更换请求头的方式来对小说数据进行爬取

     


     


     
。

在每次进行爬虫代码的编写之前




  




  




  ，我们的第一步也是最重要的一步就是分析我们的网页 




 




 




。

通过分析我们发现在爬取过程中速度比较慢  


  


  


，所以我们还可以通过禁用谷歌浏览器图片  
    
    
  、JavaScript等方式提升爬虫爬取速度  

   

   

 。

开发工具

Python版本： 3.6

相关模块：

requests模块

parsel模块

tqdm模块

pandas模块

环境搭建

安装Python并添加到环境变量     
     
     
，pip安装需要的相关模块即可

     

     

     。

文中完整代码及小说




   




   




   ，评论留言获取

思路分析

浏览器中打开我们要爬取的页面

按F12进入开发者工具
 



 



 


，查看我们想要的小说数据在哪里

这里我们需要页面数据就可以了

Cookie获取

代码实现

headers = { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36, #Cookie: 你的Cookie } def get_response(html_url): """发送请求""" # headers 字典类型 键值对 :隔开 # headers 请求头的作用: 把python代码伪装成浏览器对服务器发送请求 response = requests.get(url=html_url, headers=headers) time.sleep(6) return response def save(name, title, content): with open(name + .txt, mode=a, encoding=utf-8) as f: f.write(title) f.write(\n) f.write(content) f.write(\n) def get_novel_content(html_url): response = get_response(html_url) # parsel 解析数据 是需要把获取到的html字符串数据 转换成 selector 对象 # selector 对象 调用封装好的 css选择器 xpath # 解析数据 提取小说url章节地址 小说名字 selector = parsel.Selector(response.text) # css选择器 通过标签属性 提起数据 name = selector.css(#info h1::text).get() href = selector.css(#list dd a::attr(href)).getall() # get 获取一个标签内容[字符串] getall 是获取所有标签属性内容[列表] # 想要把列表里面每一个元素都提取出来的话, 是需要通过遍历 for index in href: # https://www.biquges.com/10_10770/6896120.html index_url = https://www.biquges.com + index response_1 = get_response(index_url) selector_1 = parsel.Selector(response_1.text) title = selector_1.css(.bookname h1::text).get() print(title) content_list = selector_1.css(#content::text).getall() # 保存文本数据 是字符串的形式 # 把列表转换成字符串 str() 强制转换数据类型 content = .join(content_list) save(name, title, content)

结果展示

最后

今天的分享到这里就结束了                ，感兴趣的朋友也可以去试试哈

对文章有问题的 




    




    




   ，或者有其他关于python的问题














，可以在评论区留言或者私信我哦

觉得我分享的文章不错的话               ，可以关注一下我  



     



     



   ，或者给文章点赞(/≧▽≦)/