本文共 2017 字，大约阅读时间需要 6 分钟。

从诗词名句网站中抓取四大名著之一三国演义，并保存！

@ XGan 2019 12 19

**抓取诗词网站（http://www.shicimingju.com/book/sanguoyanyi.html）中的四大名著，并保存到本地文件中，使用该代码可以抓取诗词网上很多的古典诗集的，只需做稍微的修改，但都只支持单部书籍的爬取，等有时间写一个全网爬取的Demo,到时候与大家分享，这里只是以《三国演义》爬取为例。

python代码

import randomimport requestsfrom lxml import etreehead = ["Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36"]def get_html(url):  #获取每一章节的链接    res = requests.get(url,headers={
           'User-Agent':random.choice(head)    }).text    html = etree.HTML(res)    # 得到每一章节的链接    url_list = html.xpath("//div[@class='book-mulu']/ul/li/a/@href")    return url_listdef get_chapter_content(url_list): #对每一章节发起请求，并提取title,text内容，保存在txt中    with open('./data/三国演义.txt','w',encoding='utf-8') as f:        print(50 * '*' + "开始抓取" + 50 * '*')        for u in url_list:            url = 'http://www.shicimingju.com' +u            res = requests.get(url,headers={
                   'User-Agent':random.choice(head)            }).text            html = etree.HTML(res)            # 获取每张标题            title = html.xpath("//div[@class='card bookmark-list']/h1/text()")            print(title[0]+"\n")            f.write(str(title[0])+"\n")            p_list = html.xpath("//div[@class='chapter_content']//p")            for p in p_list:                # 获取每章内容                text = p.xpath("./text()")[0]                f.write(str(text)+"\n")                print(text)        print(50 * '*' + "抓取成功" + 50 * '*')if __name__ == '__main__':    url ='http://www.shicimingju.com/book/sanguoyanyi.html'    urllist =  get_html(url)    get_chapter_content(urllist)

结果

目标网站：http://www.shicimingju.com/book/sanguoyanyi.html

使用xpath提取网页中的想要的信息 每一个章节可从首页获得，xpath为//div[@class=‘book-mulu’]/ul/li/a/@href 每一个章节的标题可由xpath提取为//div[@class=‘card bookmark-list’]/h1/text() 每一个章节的内容可由xpath提取为//div[@class=‘chapter_content’]//p/text() 到此完成，整本《三国演义》不大才1.7M **

转载地址：http://ihqzi.baihongyu.com/