IT帮

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

查看: 98|回复: 1

使用爬虫Scrapy框架获取完整小说

[复制链接]

44

主题

50

帖子

58

积分

初中生

Rank: 2

热心值
2
IT币
283
贡献值
1
QQ
发表于 2021-10-21 16:17:24 | 显示全部楼层 |阅读模式
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。


ITbang.Net是一个IT教程分享社区!

寻找论坛资源请善用论坛搜索功能,这样会为你节约不少学习时间;

论坛资源如有过期链接失效等,请到教程反馈区发帖反馈,我们会为您良好的行为点赞加分!

回复

使用道具 举报

0

主题

4

帖子

4

积分

小学生

Rank: 1

热心值
0
IT币
0
贡献值
0
发表于 2021-10-27 11:58:11 | 显示全部楼层
大佬牛蛙66666666666666

ITbang.Net是一个IT教程分享社区!

寻找论坛资源请善用论坛搜索功能,这样会为你节约不少学习时间;

论坛资源如有过期链接失效等,请到教程反馈区发帖反馈,我们会为您良好的行为点赞加分!

回复

使用道具 举报

*滑块验证:
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

免责声明:
IT帮论坛所发布的一切视频资源、工具软件和网络技术相关的文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该资源,请支持正版软件,购买注册,得到更好的正版服务。

Mail To:Service@ITbang.Net

QQ|Archiver|手机版|小黑屋|IT帮社区 ( 冀ICP备19002104号-2 )

GMT+8, 2021-12-4 13:51 , Processed in 0.058200 second(s), 20 queries .

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表