怎样利用Python爬取小说，这个小实例告诉你

今天主要分享如何抓取网页信息，并生成txt文件内容！

Python抓取网页技能——Python抓取网页就是我们常看见的网络爬虫，我们今天所要用到的就是我们Python中自带的模块，用这些模块将网页内容爬取下来，并生成一个txt文件。

（一）实例思路：

我们所需要用到的模块：

urllib2—urllib2是Python的一个获取URLs(Uniform Resource Locators)的组件。他以urlopen函数的形式提供了一个非常简单的接口，这是具有利用不同协议获取URLs的能力，他同样提供了一个比较复杂的接口来处理一般情况，例如：基础验证，cookies,代理和其他。

re—Python的re模块就是我们开始想知道的大名鼎鼎的正则表达式，正则表达式(可以称为REs，regex，regex pattens)是一个小巧的，高度专业化的编程语言，它内嵌于Python开发语言中，可通过re模块使用。正则表达式的pattern可以被编译成一系列的字节码，然后用C编写的引擎执行。

re—正则表达式我们本节就不去重点讲了，基础同学们可以去看看正则表达式的详细内容：http://www.runoob.com/python/python-reg-expressions.html。在我的博客中有详细的正则表达式（字符）详解！

那么接下来我们开始我们的小实例——爬取百度贴吧小说！

首先我们要明确一下我们项目的思路:

# -*- coding: utf-8 -*-

#模块：urllib2, re。

#正则表达式：------想要的内容 findall(正则表达式，源码)

#百度贴吧爬取内容：1.获取源码

# 2.解析超链接

# 3.获取标题

# 4.获取内容

# 5.发送命令，调用主函数

我们在进行项目时要将整体突出程序化，那么我们开始第一步的实施调取Python中自带的模块：

将我们所需的模块插入后，我们开始项目的实施：

上述代码是我们要获取的网页源码信息，因为我们需要多方面的爬取我们想要的内容，所以我们创建一个类来实现其中所有函数的功能。

baseUrl就是我们想要获取的网址！

网址获取到了之后，我们要定义一个函数，来获取我们想要获取的网页信息，在函数中我们定义了两个变量，这两个变量是我们正则匹配时要需要用到的！

我们在其中所用到的:

这样的语句就是判断我们的程序有没有错误，看我们是否获取到我们想要的信息，如果没有获取到就给编译器返回一个e值！

接下来我们要使用我们的正则表达式来获取其中我们想要的内容了！

这一段定义的函数是将我们所获取到的网页信息，匹配到我们想要的位置，然后截取下来！并且将网页匹配的信息生成一个text1.txt的文本文件，‘w’就是写入信息！

这里我们就用到了re模块中的包含一个重要函数是compile(pattern [, flags]) ，该函数根据包含的正则表达式的字符串创建模式对象。

参数描述:

pattern匹配的正则表达式string要匹配的字符串。

flags标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

接下来我们再看另一个re模块中的函数python 正则表达式 re findall 方法能够以列表的形式返回能匹配的子串。

re.findall(pattern, string[, flags]):

我们来看一下这个函数的实例:

将我们我所要查询到的数字以列表的形式输出出来！

在这段代码中，我们用到了Python文件写入，这个地方就是生成我们txt文本文件的地方，同学门可以找找详细的资料来研究一下，这里是对于想保存长期看的同学有很大的帮助哦！在这里我就不详细讲解了！

我们继续我们的项目：

此处的代码就是我们要完成我们真正所需要的内容了，这里是完整的将我们所需要的小说爬取到手的，这里面用的正则匹配就是我们的贪婪匹配模式了！

那么这一部分还是我们在上一匹配到的内容中，将class标签中的全部文字内容提取出来，但是其中我们会看到包含了很多img http等很多小标签，所以我们还需要将这些内容利用正则匹配中的sub函数将他们装换为空“ ”！

这一串代码就是我们想要把其中像re.compile('<a.*?>|</a>')这样的内容获取到，然后再利用我们的sub函数将这些获取到的内容装换为“ ”空白！然后在输出到 i 这个列表中！最后将 i 输出！

我们在结尾处需要做一个程序运行无误的判断，那么我们就需要用到在编译器中给我们返回我们程序运行的开始！文件的生成结果：

在这里我们要调用我们所创建的类，在这一个try中我们看到了一个range的函数，这个函数就是如果你需要一个数值序列，使用内建函数range() 会很方便，它产生等差级数序列。利用这个函数的意思就是我们要获取小说的全部内容！最后我们生成一个text1.txt的文件你就可以打开查看你想看的小说了哦！

今天的分享就到这里了，喜欢这篇文章的话记得转发+评论哦！

最重要的来了~~私信回复“01”可以获得更多免费爬虫资料哦，而且是视频教程哦！