前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >python 爬取小说并下载【附代码】

python 爬取小说并下载【附代码】

作者头像
python学习教程
发布2020-12-16 11:09:49
2.4K0
发布2020-12-16 11:09:49
举报
文章被收录于专栏:python学习教程

新手怎么100天入门Python?

这篇文章主要介绍了python 爬取小说并下载的示例,帮助大家更好的理解和学习python爬虫

代码

代码语言:javascript
复制
import requestsimport timefrom tqdm import tqdmfrom bs4 import BeautifulSoup 
def get_content(target):req = requests.get(url = target)req.encoding = 'utf-8'html = req.textbf = BeautifulSoup(html, 'lxml')texts = bf.find('div', id='content')content = texts.text.strip().split('\xa0'*4)return content if __name__ == '__main__':server = 'https://www.xsbiquge.com'book_name = '诡秘之主.txt'target = 'https://www.xsbiquge.com/15_15338/'req = requests.get(url = target)req.encoding = 'utf-8'html = req.textchapter_bs = BeautifulSoup(html, 'lxml')chapters = chapter_bs.find('div', id='list')chapters = chapters.find_all('a')for chapter in tqdm(chapters):chapter_name = chapter.stringurl = server + chapter.get('href')content = get_content(url)with open(book_name, 'a', encoding='utf-8') as f:f.write(chapter_name)f.write('\n')f.write('\n'.join(content))f.write('\n')

下载效果:

可以看到,小说内容保存到“诡秘之主.txt”中,小说一共 1416 章,下载需要大约 20 分钟,每秒钟大约下载 1 个章节。

下载完成,实际花费了 27 分钟。

20 多分钟下载一本小说,你可能感觉太慢了。想提速,可以使用多进程,大幅提高下载速度。如果使用分布式,甚至可以1秒钟内下载完毕。

但是,我不建议这样做。

我们要做一个友好的爬虫,如果我们去提速,那么我们访问的服务器也会面临更大的压力。

以我们这次下载小说的代码为例,每秒钟下载 1 个章节,服务器承受的压力大约 1qps,意思就是,一秒钟请求一次。

如果我们 1 秒同时下载 1416 个章节,那么服务器将承受大约 1416 qps 的压力,这还是仅仅你发出的并发请求数,再算上其他的用户的请求,并发量可能更多。

如果服务器资源不足,这个并发量足以一瞬间将服务器“打死”,特别是一些小网站,都很脆弱。

过大并发量的爬虫程序,相当于发起了一次 CC 攻击,并不是所有网站都能承受百万级别并发量的。

所以,写爬虫,一定要谨慎,勿给服务器增加过多的压力,满足我们的获取数据的需求,这就够了。

你好,我也好,大家好才是真的好。

以上就是python 爬取小说并下载的示例的详细内容

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-12-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 python教程 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
云服务器
云服务器(Cloud Virtual Machine,CVM)提供安全可靠的弹性计算服务。 您可以实时扩展或缩减计算资源,适应变化的业务需求,并只需按实际使用的资源计费。使用 CVM 可以极大降低您的软硬件采购成本,简化 IT 运维工作。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档