如何用爬虫写小说

① 想做一个小说搜索的网站 爬虫想自己写 大概功能就是通过这个网站能搜索网络上任意小说网站的小说

哦，这个问题啊，网页的搜索简单多了，网上例子也很多，看一下google的开源就可以了，链接嘛，我也是做搜索引擎的

② 有一个任务，说是用JAVA编程，编一个类似网络爬虫的东西，可以将网页上的文字小说提取出来变为txt文档。

如果单线程来实现，就是一个主程序去爬，不断遍历。很简单的。
如果多线程，就主程序控制多线程去进行遍历。最好用一个线程池来进行管理，否则会随着遍历系统资源消耗过大的。

③ python爬虫时怎么找小说id

首先不知道是哪个小说站。

随便举例：我网络‘小说站’找到第一个17k的小说，随机打开一本说，拿着我的谷歌浏览器，选择书名右击检查:

图片中画圈圈的就是书的id，

④ 关于大爬虫的小说。。。鸡皮疙瘩系列

在线阅读不太可能，看看别人有没有吧

⑤ python爬取小说，txt文件为什么是空白的

试试把xpath中的body删除再运行.

⑥ 请教golang写一个爬小说的爬虫

1. 使用net/http包发送post/get请求获取网页，分析出小说内容，保存

2. 使用goquery分析出小说内容，保存
   

⑦ Python爬取笔趣阁小说返回的网页内容中没有小说内容

因为这里是动态抄加载的袭内容，而你用普通的方法爬取的网页只能爬渠道静态的内容。

所以你需要模仿真正的浏览器，而不是仅仅请求这个页面的内容。

详细内容可以在网上搜索以下，毕竟这里我也没法给你详细解说。

加油！

python 天下第一

⑧ 在用爬虫爬小说的时候，报错IndexError: list index out of range

可以换一种爬取方法，我也是刚学，看代码你应该是想把一本书放在一个txt里，你可以考虑安章节存

⑨ 爬虫爬取小说网，存储的数据库怎么设置

我觉得没法爬取。因为服务端没有注入供爬取的代码。

⑩ 怎么用python爬sf轻小说文库的vip章节小说

你需要先购买vip，不然的话是爬不了的，除非系统有漏洞，记住爬虫不是万能的
步骤一：研究该网站
打开登录页面
进入以下页面 “”。你会看到如下图所示的页面（执行注销，以防你已经登录）

仔细研究那些我们需要提取的详细信息，以供登录之用
在这一部分，我们会创建一个字典来保存执行登录的详细信息：
1. 右击 “Username or email” 字段，选择“查看元素”。我们将使用 “name” 属性为 “username” 的输入框的值。“username”将会是 key 值，我们的用户名/电子邮箱就是对应的 value 值（在其他的网站上这些 key 值可能是 “email”，“ user_name”，“ login”，等等）。

2. 右击 “Password” 字段，选择“查看元素”。在脚本中我们需要使用 “name” 属性为 “password” 的输入框的值。“password” 将是字典的 key 值，我们输入的密码将是对应的 value 值（在其他网站key值可能是 “userpassword”，“loginpassword”，“pwd”，等等）。

3. 在源代码页面中，查找一个名为 “csrfmiddlewaretoken” 的隐藏输入标签。“csrfmiddlewaretoken” 将是 key 值，而对应的 value 值将是这个隐藏的输入值（在其他网站上这个 value 值可能是一个名为 “csrftoken”，“ authenticationtoken” 的隐藏输入值）。列如：“”。

最后我们将会得到一个类似这样的字典：

payload = {
"username": "<USER NAME>",
"password": "<PASSWORD>",
"csrfmiddlewaretoken": "<CSRF_TOKEN>"
}

请记住，这是这个网站的一个具体案例。虽然这个登录表单很简单，但其他网站可能需要我们检查浏览器的请求日志，并找到登录步骤中应该使用的相关的 key 值和 value 值。
步骤2：执行登录网站
对于这个脚本，我们只需要导入如下内容：

import requests
from lxml import html

首先，我们要创建 session 对象。这个对象会允许我们保存所有的登录会话请求。

session_requests = requests.session()

第二，我们要从该网页上提取在登录时所使用的 csrf 标记。在这个例子中，我们使用的是 lxml 和 xpath 来提取，我们也可以使用正则表达式或者其他的一些方法来提取这些数据。

login_url = ""
result = session_requests.get(login_url)

tree = html.fromstring(result.text)
authenticity_token = list(set(tree.xpath("//input[@name='csrfmiddlewaretoken']/@value")))[0]

**更多关于xpath 和lxml的信息可以在这里找到。
接下来，我们要执行登录阶段。在这一阶段，我们发送一个 POST 请求给登录的 url。我们使用前面步骤中创建的 payload 作为 data 。也可以为该请求使用一个标题并在该标题中给这个相同的 url 添加一个参照键。

result = session_requests.post(
login_url,
data = payload,
headers = dict(referer=login_url)
)

步骤三：爬取内容
现在，我们已经登录成功了，我们将从 bitbucket dashboard 页面上执行真正的爬取操作。

url = ''
result = session_requests.get(
url,
headers = dict(referer = url)
)

为了测试以上内容，我们从 bitbucket dashboard 页面上爬取了项目列表。我们将再次使用 xpath 来查找目标元素，清除新行中的文本和空格并打印出结果。如果一切都运行 OK，输出结果应该是你 bitbucket 账户中的 buckets / project 列表。

Python

1
2
3
4
5

tree = html.fromstring(result.content)
bucket_elems = tree.findall(".//span[@class='repo-name']/")
bucket_names = [bucket.text_content.replace("n", "").strip() for bucket in bucket_elems]

print bucket_names

你也可以通过检查从每个请求返回的状态代码来验证这些请求结果。它不会总是能让你知道登录阶段是否是成功的，但是可以用来作为一个验证指标。
例如：

Python

1
2

result.ok # 会告诉我们最后一次请求是否成功
result.status_code # 会返回给我们最后一次请求的状态

就是这样。