最近做了一个WIFI传书本地阅读功能，有所收获在这里记录下吧。 用户下载的书籍分为两种，一种是有章节格式的，比如 第一章，001章、等，这种可以用正则来直接分章节，还有绝大多数书籍是没有这种格式的，这种如果整本书来直接解析的话，对CPU要求比较大，可能会卡死闪退，所有手动分章节还是很有必要 ...

今天我们爬取网页中的文字，与上次的爬取网页中的图片相似，网页的中的文字也是在网页的源码中（一般情况下）。 所以我们就以在某小说网站上爬取小说《圣墟》为例，使用爬虫爬取网页中的文本内容，并根据小说的章节名保存。 我们的思路如下： 　　1.爬取当前网页的源码： 　　2.提取出需要的数据（标题 ...

利用Python爬虫爬取目标小说并保存到本地 小说地址：http://book.zongheng.com/showchapter/749819.html（目录地址） 通过小说目录获取小说所有章节对应的url地址，然后逐个访问解析得到每一章节小说的内容，最后保存到本地文件内 文章中的代码 ...

在学爬虫之前, 最好有一些html基础, 才能更好的分析网页. 主要是五步: 1. 获取链接 2. 正则匹配 3. 获取内容 4. 处理内容 5. 写入文件 代码如下: ...

从某些网站看小说的时候经常出现垃圾广告，一气之下写个爬虫，把小说链接抓取下来保存到txt，用requests_html全部搞定，代码简单，容易上手. 中间遇到最大的问题就是编码问题，第一抓取下来的小说内容保持到txt时出现乱码，第二url编码问题，第三UnicodeEncodeError 先贴 ...

临时写的代码，比较乱，还有待于优化。 思路是一行一行的读取txt文本，利用小说 “第三章 桌下的手” 这种类似的关键字来分拆章节 最后生成两个数组 ...

用途 用来爬小说网站的小说默认是这本御天邪神，虽然我并没有看小说，但是丝毫不妨碍我用爬虫来爬小说啊。 如果下载不到txt，那不如自己把txt爬下来好了。 功能 将小说取回，去除HTML标签 记录已爬过/未爬过的章节 从最后爬过那一页开始继续爬，不会重复爬取爬过的目录 因为爬过 ...

　　此程序只是单纯的为了练习而做，首先这个顶点小说非收费型的那种小说网站（咳咳，我们应该支持正版，正版万岁，✌）。经常在这个网站看小说，所以就光荣的选择了这个网站。此外，其实里面是自带下载功能的，而且支持各种格式:（TXT,CHM,UMD,JAR,APK,HTML),所以可能也并没有设置什么反爬 ...