#下載一個(gè)網(wǎng)頁(yè)
import requests
import re


url = 'https://www.biquge5200.cc/14_14621/'
#模擬瀏覽器發(fā)送http請(qǐng)求
response = requests.get(url)

#編碼方式response.encoding = 'utf-8',如果下載下來(lái)的網(wǎng)頁(yè)內(nèi)容有中文亂碼現(xiàn)象就需要加上這一句話

#網(wǎng)頁(yè)源碼
html = response.text

#[0]取列表下第0個(gè)元素.
#eg:title的輸出結(jié)果為：['斗神狂飆無(wú)彈窗_斗神狂飆最新章節(jié)列表_斗神狂飆5200_筆趣閣']
#加上[0],就把這里面索引為0的內(nèi)容提取出來(lái)了，斗神狂飆無(wú)彈窗_斗神狂飆最新章節(jié)列表_斗神狂飆5200_筆趣閣
title = re.findall(r'
              ', html)[0]

#新建一個(gè)文件夾，保存小說(shuō)內(nèi)容
fb = open('%s.txt' % title, 'w', encoding='utf-8')

#獲取每一章的信息（標(biāo)題，章節(jié)，url）.*? (這個(gè) . 代表匹配任意字符，但是不匹配不可見(jiàn)字符，比如換行)
# 添加上re.S后，意味著 . 可以匹配不可見(jiàn)字符,[0]取列表下第0個(gè)元素
dl = re.findall(r'
              

                .*?
              
              ', html, re.S)[0]

chapter_info_list = re.findall(r'
              

                
                  (.*?)
                
              
              ', dl)


#循環(huán)每一個(gè)章節(jié)，分別下載
for chapter_info in chapter_info_list:

    try:
        chapter_title = chapter_info[1]
        chapter_url = chapter_info[0]
       
        # 下載章節(jié)內(nèi)容
        chapter_response = requests.get(chapter_url)
        chapter_html = chapter_response.text

        # 取出章節(jié)內(nèi)容,用正則表達(dá)式，寫(xiě)進(jìn)記事本里
        chapter_content = re.findall(r'
              

                (.*?)
              
              ', chapter_html, re.S)[0]

        
        #清洗數(shù)據(jù),但是replace用不了,未完待續(xù)，來(lái)個(gè)大神救我一下。。。。
        #chapter_content = chapter_content.replace('  ','')
        # chapter_content = chapter_content.replace('?', '')
        # chapter_content = chapter_content.replace('', '')
        #下面的代碼也不能用，它給我的每個(gè)字都添加了單引號(hào)和逗號(hào)，不解
        #chapter_content = [item.replace(' ', '') for item in chapter_content]
        #chapter_content = [item.replace('', '') for item in chapter_content]
       
        #數(shù)據(jù)持久化
        fb.write(chapter_title)
        fb.write(chapter_content)
        fb.write('\n')

    except IndexError:
        pass


#bug:list index out of range
#失敗原因：爬蟲(chóng)在做xpath時(shí)候匹配到空值
#解決方法：加上try.....except 錯(cuò)誤機(jī)制跳過(guò)dd空值
            
          

學(xué)習(xí)python第二天、、爬蟲(chóng)第二天、、這個(gè)簡(jiǎn)單的爬蟲(chóng)，還有數(shù)據(jù)清洗那一塊有問(wèn)題，找個(gè)有緣的朋友悄咪咪的tell me 一下？在此萬(wàn)分感謝！

chapter_content = chapter_content.replace(' ?','')這個(gè)問(wèn)題還是沒(méi)有解決，但是我用BeautifulSoup解決了數(shù)據(jù)清洗！請(qǐng)看用Python3寫(xiě)一個(gè)簡(jiǎn)單的爬小說(shuō)的爬蟲(chóng)（下）https://blog.csdn.net/LiebeZQ/article/details/98189065