利用Python3 編寫爬蟲，從筆趣閣抓個小說下載。

import re
import urllib.request
import time
import easygui as g

# 輸入地址
g.msgbox("利用Python3 編寫爬蟲，從筆趣閣抓個小說下載到手機查看")
msg = "輸入小說地址，例如http://www.biquge.com.tw/0_213/"
title = ‘爬蟲‘
root = g.enterbox(msg,title)

# 偽造瀏覽器
headers = {‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 6.1; Win64; x64) 
 
‘                          ‘AppleWebKit/537.36 (KHTML, like Gecko)‘                         ‘ Chrome/62.0.3202.62 Safari/537.36‘}

req = urllib.request.Request(url=root, headers=headers)

with urllib.request.urlopen(req, timeout=1) as response:
    # 大部分的涉及小說的網頁都有charset=‘gbk‘，所以使用gbk編碼
    htmls = response.read().decode(‘
 
gbk‘)

# 匹配所有目錄http://www.biquge.com.tw/0_213/"
story_id = root.lstrip("http://www.biquge.com.tw/")

dir_req = re.compile(r‘<a href="/%s(\d+?.html)">‘%story_id)
dirs = dir_req.findall(htmls)

# 創建文件流，將各個章節讀入內存
with open(‘E:\一念永恒.txt‘, ‘w‘) as f:
    for dir in dirs:
        # 組合鏈接地址，即各個章節的地址
        url = root + dir
        
 
# 有的時候訪問某個網頁會一直得不到響應，程序就會卡到那裏，我讓他0.6秒後自動超時而拋出異常
        while True:
            try:
                request = urllib.request.Request(url=url, headers=headers)
                with urllib.request.urlopen(request, timeout=0.6) as response:
                    html = response.read().decode(‘gbk‘)
                    break
            except:
                # 對於抓取到的異常，讓程序停止1.1秒，再循環重新訪問這個鏈接，訪問成功時退出循環
                time.sleep(1.1)

        # 匹配文章標題
        title_req = re.compile(r‘<h1>(.+?)</h1>‘)
        # 匹配文章內容，內容中有換行，所以使flags=re.S
        content_req = re.compile(r‘<div id="content">(.+?)</div>‘, re.S, )
        # 獲取標題
        title = title_req.findall(html)[0]
        # 獲取內容
        content_test = content_req.findall(html)[0]
        # 篩除不需要的的html元素
        strc = content_test.replace(‘&nbsp;‘, ‘ ‘)
        content = strc.replace(‘<br />‘, ‘\n‘)
        print(‘抓取章節>‘ + title)
        f.write(title + ‘\n‘)
        f.write(content + ‘\n\n‘)

程序運行圖如下：

爬蟲抓取網頁來下載小說