使用爬虫Scrapy框架获取完整小说

suger

最近发现身边很多朋友都在看小说，然后还有朋友跟我抱怨过，虽然很多小说网站都有提供免费的小说阅读，但是它不提供下载全本的服务。道理大家都明白，商家也是为了获得更多的流量嘛。但是小编觉得这样还是很不好的，心理觉得就不服了，所以准备利用自己学的爬虫技术去挑战下。通过小编研究发现国内小说网站的结构，大概都如出一辙，改改地址，就差不多了。

爬取数据之前我们要先整理下思路

1、目标网站：https://www.qidian.com/

2、使用爬虫框架Scrapy

3、小说网站的分析、这个网站是比较大型的小说网站，网站的反爬机制肯定是做的比较好，所以我们在抓取之前还是需要做好一些基本的应对网站反扒的策略。随机ua，cookie，代理等。这里重点讲下爬虫代理的，这是个必不可少的辅助工具，但是网上代理千万家，好用的就那么几家，大家根据自己多年的爬虫经验肯定有信赖的代理的。

4、爬虫代理: https://it帮论坛真好/

接下来我们就通过访问我们获得链接，进行标题和文本的获得。完整示例如下：

  #! -*- encoding:utf-8 -*-        import base64                    import sys        import random        PY3 = sys.version_info[0] >= 3        def base64ify(bytes_or_str):            if PY3 and isinstance(bytes_or_str, str):                input_bytes = bytes_or_str.encode('utf8')            else:                input_bytes = bytes_or_str            output_bytes = base64.urlsafe_b64encode(input_bytes)            if PY3:                return output_bytes.decode('ascii')            else:                return output_bytes        class ProxyMiddleware(object):                            def process_request(self, request, spider):                # 代理服务器(产品官网 it帮论坛真好)                proxyHost = "        u7452.5.tn.16yun.cn"                proxyPort = "5446"                # 代理验证信息                proxyUser = "16JGPGSP"                proxyPass = "360350"                request.meta['proxy'] = "http://{0}:{1}".format(proxyHost,proxyPort)                # 添加验证头                encoded_user_pass = base64ify(proxyUser + ":" + proxyPass)                request.headers['Proxy-Authorization'] = 'Basic ' + encoded_user_pass                                    # 设置IP切换头(根据需求)                tunnel = random.randint(1,10000)                request.headers['Proxy-Tunnel'] = str(tunnel)

本示例主要是跟大家分享是使用Scrapy如何通过配置代理访问目标网站。有需要的小伙伴可以参考实践下。

panda99

大佬牛蛙66666666666666