点击上方“it共享之家”，进行关注
回复“资料”可获赠python学习福利
【一、项目背景】
   中国妖怪百集（ c-china-(中国) baigui-百鬼） 现已更名为知妖。
知妖网是一个开放的在线“妖怪”资料库。致力于收集、整理、介绍、分享古人文献中的“妖怪” , 收录古文献中的“妖怪”资料，让更多的人能够完整，系统地了解中国“妖怪”文化。
   今天来教大家如何使用python来爬取知妖网的妖怪文章，分类保存，写入文档。
【二、项目目标】
  创建一个文件夹， 分类保存所有妖怪文章。下载成功结果显示控制台。
【三、涉及的库和网站】
涉及的库：requests、lxml、fake_useragent、time、os
软件：pycharm
 
【四、项目分析】
1、如何多网页请求
   首先需要解决如何对下一页的网址进行请求的问题。可以点击下一页的按钮，观察到网站的变化分别如下所示：
l(html)    t = parse_html.xpath('//div[@class="post-inner post-hover"]/h2')    for i in t:        goblin_herf = i.xpath('./a/@href')[0].strip()  # 二级页面链接        name = i.xpath('.//a/text()')[0].strip()  # 对应文件夹的名字        os.mkdir("././妖怪/{}".format(name))  # 拼接文件夹        print(name, goblin_herf)
5、对二级页面发生请求，xpath解析数据，获取文章内容。
print(name, goblin_herf)      html2 = self.get_page(goblin_herf)  # 第二个发生请求      parse_html2 = etree.html(html2)      r = parse_html2.xpath('//div[@class="entry"]/p/text()')
6、for遍历文章内容，文章异常处理，写入文档。
for rte in r:        # print(rte)w        try:            with open("./妖怪/{}/{}.txt".format(name, name), "a", encoding='utf-8') as f:                f.write(rte)  # 把内容存储到对应名字的文件里        except oserror:            pass        continue
7、调用方法，实现功能。
url = self.url.format(page)      print(url)      html = self.get_page(url)      self.parse_page(html)
8、time模块，设置时间延迟，（防止ip被封）。
time.sleep(1) """时间延时"""
【六、效果展示】
1、点击运行，输入起始页，终止页。
  
2、将下载成功信息显示在控制台。
3、分类列表。
4、文章展示。
【七、总结】
   1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。
   2、本文章就python爬取知妖网，在应用中出现的难点和重点，以及如何防止反爬，做出了相对于的解决方案。
   3、希望通过这个项目，能够帮助了解xpath，字符串是如何拼接，format函数如何运用。
   4、本文基于python网络爬虫，利用爬虫库，实现分类写入文档。实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。
   5、需要本文源码的小伙伴，后台回复“妖怪介绍”四个字，即可获取。

---

Python进阶学习交流