答案：使用Python的requests和lxml库，通过发送请求、XPath解析提取小说标题和正文，可批量爬取并保存内容。需注意动态加载、反爬机制及版权问题。
在Python中使用XPath爬取小说，主要是借助requests获取网页内容，再用lxml库解析HTML并使用XPath提取章节标题、正文等信息。下面是一个实用的流程说明。
安装所需库
你需要先安装requests和lxml：
pip install requests lxml
基本步骤与代码示例
以爬取某小说网站的一章内容为例（注意：仅用于学习，请遵守目标网站的robots协议和法律法规）。
1. 发送请求获取页面
立即学习“Python免费学习笔记（深入）”；
使用requests模拟浏览器访问小说章节页面：
import requests
from lxml import html
headers = {
‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36’
}
url = ‘https://www.php.cn/link/319bb7e0f80716c134117d14a22d461e’ # 替换为实际网址
response = requests.get(url, headers=headers)
response.encoding = ‘utf-8’ # 根据网页编码调整，常见为 utf-8 或 gbk
tree = html.fromstring(response.text)
2. 使用XPath提取内容
通过浏览器开发者工具（F12）查看小说标题和正文所在的HTML标签，构造XPath表达式。
# 提取章节标题，假设标题在
中
title = tree.xpath(‘//h1[@class=”title”]/text()’)
title = title[0].strip() if title else ‘未知标题’
提取正文内容，假设段落在
内的 p 标签中
content_list = tree.xpath(‘//div[@id=”content”]//p/text()’)
content = ‘n’.join([line.strip() for line in content_list if line.strip()])
3. 保存到本地文件
with open(‘chapter_1.txt’, ‘w’, encoding=’utf-8′) as f:
f.write(f”{title}nn{content}”)
批量爬取多章节
如果要爬整本小说，可先获取目录页的所有章节链接：
catalog_url = ‘https://www.php.cn/link/a58269cb74a093b377cd217b72bd15b9/catalog’
response = requests.get(catalog_url, headers=headers)
tree = html.fromstring(response.text)
假设章节链接在
links = tree.xpath(‘//div[@class=”list”]//a/@href’)
for i, link in enumerate(links[:10]): # 先测试前10章
chapter_url = ‘https://www.php.cn/link/a58269cb74a093b377cd217b72bd15b9’ + link
重复上面的请求和提取逻辑
# ...
注意事项
使用XPath爬取小说时需注意以下几点：
部分网站使用JavaScript动态加载内容，requests + lxml无法获取，需改用Selenium或Playwright频繁请求可能触发反爬机制，建议添加time.sleep()延时尊重版权，仅限个人学习或测试，不要大规模传播或商用检查robots.txt，避免抓取禁止内容
基本上就这些。掌握XPath语法和网页结构分析能力后，爬取小说会变得很直接。
content_list = tree.xpath(‘//div[@id=”content”]//p/text()’)
content = ‘n’.join([line.strip() for line in content_list if line.strip()])
3. 保存到本地文件
with open(‘chapter_1.txt’, ‘w’, encoding=’utf-8′) as f:
f.write(f”{title}nn{content}”)
批量爬取多章节
如果要爬整本小说，可先获取目录页的所有章节链接：
catalog_url = ‘https://www.php.cn/link/a58269cb74a093b377cd217b72bd15b9/catalog’
response = requests.get(catalog_url, headers=headers)
tree = html.fromstring(response.text)
假设章节链接在
links = tree.xpath(‘//div[@class=”list”]//a/@href’)
for i, link in enumerate(links[:10]): # 先测试前10章
chapter_url = ‘https://www.php.cn/link/a58269cb74a093b377cd217b72bd15b9’ + link
重复上面的请求和提取逻辑
# ...
注意事项
使用XPath爬取小说时需注意以下几点：
部分网站使用JavaScript动态加载内容，requests + lxml无法获取，需改用Selenium或Playwright频繁请求可能触发反爬机制，建议添加time.sleep()延时尊重版权，仅限个人学习或测试，不要大规模传播或商用检查robots.txt，避免抓取禁止内容
基本上就这些。掌握XPath语法和网页结构分析能力后，爬取小说会变得很直接。
以上就是python中如何使用XPath爬取小说的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1380661.html
微信扫一扫 
支付宝扫一扫 
