五分钟写一个小爬虫，爬取小说并写入txt文件

先上代码：

import requests
from lxml import html
url='http://www.shuge.net/html/111/111781/6593021.html' #需要爬数据的网址
page=requests.Session().get(url)
tree=html.fromstring(page.text)
result=tree.xpath('//div[@class="box_con"]//div/text()') #获取需要的数据
print(result)  #打印爬取结果
fo=open('1.txt','w')  #将数据写入文件
for ip in result:
    fo.write(ip)
    fo.write('\n')
fo.close()
print("1")

爬取结果展示：

爬取内容为目标网页中的小说：

爬虫讲解：

首先要安装两个爬虫必备模块：

import requests 

from lxml import html

request模块，用于向HTTP发送请求；如果没有安装可在终端执行“pip install requests”命令进行安装。

lxml模块同理，执行“pip install lxml”命令即可安装。

接下来要做的，就是寻找“猎物”，以一个小说网站为例：

对将要爬取的内容点击鼠标右键-检查

可以看到我们将要获取的内容在一个div里，接着往上寻找其上级标签，也就是这个：

将其标签及其class内容写入代码

result=tree.xpath('//div[@class="box_con"]//div/text()')

 第一个div及为上级标签，后面是class内容，第二个div即为包含我们将要爬取内容的标签，text()即为该标签内的文字信息，格式根据爬取不同网页时的情况而定；

result会获取该网页所有<div class="box_con">标签下的div的文字的内容；

接着要做的就是将result里的内容写入txt文件，由于result获取到的是一个list，因此在写入是可以这样写：

fo=open('1.txt','w')  #将数据写入文件
for ip in result:
    fo.write(ip)
    fo.write('\n')
fo.close()

写入结果即为文章第二章图片显示。

再来试一下爬取热门小说排行榜吧！

这次的爬取内容是在<div class="topbooks">下的标签<a >里，那么我们其中两行代码这样写：

url='http://www.shuge.net/longhubang/'

result=tree.xpath('//div[@class="topbooks"]//a/text()')

 爬取结果：

怎么样，是不是很简单呢？

但现实中爬虫会遇到很多问题，比如：

1. 页面规则不统一； 
2. 爬下来的数据处理； 
3. 反爬虫机制。

这些都需要一步一步地学习和摸索，坚持下去，总有一天你会成为爬虫大神的哟~

感谢观看

文章借鉴于博主@a_achengsong