爬取《莊子》

很喜歡《莊子》一書嚷往,尤其是里面的呆若木雞和庖丁解牛兩個故事僻族,揭示了為人和處事的三種境界粘驰。準(zhǔn)備下載一個文本文檔近期重溫一下屡谐,搜索發(fā)現(xiàn)華語網(wǎng)上的質(zhì)量很高,可惜是分篇的蝌数,懶得一點一點的copy愕掏,所以考慮用python爬取下來。

1. 爬取下圖頁面(https://www.thn21.com/wen/Famous/5609.html)內(nèi)的各章節(jié)的鏈接顶伞。
import requests, re
from bs4 import BeautifulSoup

novelname = ''
names = []
urls = []

req = requests.get(url = 'https://www.thn21.com/wen/Famous/5609.html')
req.encoding = 'gb2312'
html = req.text
div_bf = BeautifulSoup(html, "html.parser")
novelname = re.search(r'(.+?)簡介', div_bf.title.string).group(1)
a = div_bf.body.select('[href^="/wen/famous/hdnj/zuangzi"]')
for each in a:
    names.append(each.string)                                           # 章節(jié)名
    urls.append('https://www.thn21.com/' + each.get('href'))            # 章節(jié)鏈接
2. 依次爬取各章節(jié)鏈接中的內(nèi)容饵撑。

注意因為內(nèi)容中含有繁體字,所以需要用gb18030進行解碼唆貌。

for i in range(len(a)):
    with open(novelname + '.txt', 'a', encoding='utf-8') as f:
        f.write('                                                        ' + names[i] + '\n')
        
        req = requests.get(url = urls[i])
        html= req.content.decode('gb18030', 'ignore')
        bf = BeautifulSoup(html, "html.parser")
        texts = ""
        for i in bf.body.find_all('p'):
            if i.string:
                texts += "    " + i.string + "\n"
                
        f.writelines(texts)
        f.write('\n\n')
3. 爬取結(jié)果如下:
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末滑潘,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子锨咙,更是在濱河造成了極大的恐慌语卤,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,122評論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件酪刀,死亡現(xiàn)場離奇詭異粹舵,居然都是意外死亡,警方通過查閱死者的電腦和手機骂倘,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,070評論 3 395
  • 文/潘曉璐 我一進店門眼滤,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人历涝,你說我怎么就攤上這事诅需。” “怎么了睬关?”我有些...
    開封第一講書人閱讀 164,491評論 0 354
  • 文/不壞的土叔 我叫張陵诱担,是天一觀的道長。 經(jīng)常有香客問我电爹,道長蔫仙,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,636評論 1 293
  • 正文 為了忘掉前任丐箩,我火速辦了婚禮摇邦,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘屎勘。我一直安慰自己施籍,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,676評論 6 392
  • 文/花漫 我一把揭開白布概漱。 她就那樣靜靜地躺著丑慎,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上竿裂,一...
    開封第一講書人閱讀 51,541評論 1 305
  • 那天玉吁,我揣著相機與錄音,去河邊找鬼腻异。 笑死进副,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的悔常。 我是一名探鬼主播影斑,決...
    沈念sama閱讀 40,292評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼机打!你這毒婦竟也來了矫户?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,211評論 0 276
  • 序言:老撾萬榮一對情侶失蹤残邀,失蹤者是張志新(化名)和其女友劉穎吏垮,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體罐旗,經(jīng)...
    沈念sama閱讀 45,655評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,846評論 3 336
  • 正文 我和宋清朗相戀三年唯蝶,在試婚紗的時候發(fā)現(xiàn)自己被綠了九秀。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,965評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡粘我,死狀恐怖鼓蜒,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情征字,我是刑警寧澤都弹,帶...
    沈念sama閱讀 35,684評論 5 347
  • 正文 年R本政府宣布,位于F島的核電站匙姜,受9級特大地震影響畅厢,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜氮昧,卻給世界環(huán)境...
    茶點故事閱讀 41,295評論 3 329
  • 文/蒙蒙 一框杜、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧袖肥,春花似錦咪辱、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,894評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春专筷,著一層夾襖步出監(jiān)牢的瞬間弱贼,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,012評論 1 269
  • 我被黑心中介騙來泰國打工仁堪, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留哮洽,地道東北人。 一個月前我還...
    沈念sama閱讀 48,126評論 3 370
  • 正文 我出身青樓弦聂,卻偏偏與公主長得像鸟辅,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子莺葫,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,914評論 2 355

推薦閱讀更多精彩內(nèi)容