默然 发表于 2022-8-20 15:57

python协程爬取笔趣阁小说


最近在学习python爬虫的协程部分,所以拿一个小说网站来练手。
首先使用同步爬取抓取小说章节所有的url,然后用异步的方法来保存小说内容。以txt文件保存。食用方法

python环境为 python 3.9
用到的库有requests,BeautifulSoup,asyncio,aiohttp,aiofiles,使用源码要先安装库
遇到的问题小说一共有1400+章节,但是每次爬取都只能爬1200+左右,估计是timeout。代码贴出import requests
from bs4 import BeautifulSoup
import asyncio
import aiohttp
import aiofiles

headers = {
    'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.0.0 Safari/537.36",
    'Referer': 'http://www.biqugse.com',
    "Accept-Encoding": "gzip, deflate"
}

async def get_content(xs_url, name):
    async with aiohttp.ClientSession() as session:
      async with session.get(xs_url, headers=headers) as resp:
            response = await resp.content.read()
            soup = BeautifulSoup(response, "html.parser")
            content = soup.find("div", id="content")
            data = content.text.split()
            data = "\r\n".join(data)
            async with aiofiles.open(f"novel/{name}.txt", mode="a", encoding="utf-8") as f:
                await f.write(data)
            print(f"已经下载{name}")



async def main(url):
    resp = requests.get(url)

    soup = BeautifulSoup(resp.text, "html.parser").find("div", attrs={"id": "list"}).find_all("dd")

    tasks = []
    print("开始创建异步任务")
    for i in soup:
      xs_url = url.rstrip("/25802/") + i.find("a").get("href")
      name = i.find("a").text
      print(xs_url,name)
      tasks.append(asyncio.create_task(get_content(xs_url, name),name=name))
    await asyncio.wait(tasks)

    print("结束异步任务")


if __name__ == '__main__':
    print("开始执行")

    main_url = "http://www.biqugse.com/25802/"
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main(main_url))



a251859190 发表于 2022-8-20 15:57

多谢楼主分享

8928871 发表于 2022-8-20 16:10

感谢楼主分享

RCbian 发表于 2022-8-20 17:20


感谢楼主的分享

夜月醉君心 发表于 2022-8-20 18:54

谢谢分享!

lkdyf 发表于 2022-8-20 18:59

6666666666

ws1443 发表于 2022-8-20 19:57

正需要,支持楼主,在大牛我只看好你!

威震天 发表于 2022-8-20 19:58

先收藏了,万一用到呢

heruobi 发表于 2022-8-20 20:52

6666

wangqisitp 发表于 2022-8-20 20:52

尊重原创者,更尊重搬运者,辛苦了
页: [1] 2
查看完整版本: python协程爬取笔趣阁小说