本文章将通过分析爬虫的思想，再加以利用两个 Python 库，即 requests 库和 re 库，让你顺利入门爬虫，通过本篇文章，你将学会:
- 独立做出爬取小说的爬虫
- 利用Python取得所要信息
- 利用Python筛选出特定信息
如果你毫无 Python 基础，可以看看我亲自写的关于 Python 的基础专栏，这样子理解本文会更加轻松，当然你要是只想了解爬虫的过程，不关注具体的代码实现，那可以不用具备 Python 基础知识。
当今互联网实在是丰富多彩，网络上的Python教程更是数不胜数，我承认自己比不过那些大V，但是我认为自己的教程的优势是：通俗易懂，贴近初学者的水平。
背景：看小说的时候虽然能免费阅读小说内容，但是因为弹窗广告的存在，阅读体验不佳。
作为一个资深小说控，我学会 Python
爬虫之前每天必做的事便是打开手机或者电脑，进入小说网站，然后再打开我喜欢看的小说，小说是免费的，但是俗话说便宜没好货，我们在享受便宜的同时，也在牺牲一部分。
比如说我看小说的时候会被广告弹框所干扰，这让我的阅读体验不佳，既然有了问题，那我们便想着去解决，所以我一开始的解决方式是给浏览器安装去广告插件，这么一做之后体验的确好了不少，但是如果是手机端，我则无法使用这个方法，并且去广告插件也不是万能的。
那么，还有什么解决方式吗？
答案是肯定的！
解决方式
现在有请我们今天的主角登场，它就是大名鼎鼎的 Python！
你一定很好奇，Python 是怎么解决这个问题的吧？
且听我慢慢道来…
症：看小说的时候会被弹框广告干扰
找到了症，那接下来自然是对症下药了，且再听我慢慢道来。既然广告对阅读有干扰，那么我们自然想
到把广告去除，关键是不能用广告去除插件，那怎么办呢？ 这个问题问的好，其实我们可以换个角度思考问题
你看我们的目的是获得没有广告的阅读界面，这时候很多人想到的是直接把广告去除 的确如此，但是现在无法使用去广告插件，所以此路不通。
这时候不要轻言放弃，要记住条条大路通罗马。我们可以换个角度思考 既然你广告不走，那我小说文字就走呗，这不就实现广告与纯文字分离了吗？
通过以上分析，我们找到了药！
药：把小说文字内容从小说所在地方提取出来
是时候对症下药了，那么这个药是怎么制成的呢？且再听我慢慢道来！
说明：不了解没关系，本文附有相关链接供你学习，代码实战部分也会讲解基本用法
- requests 库
如果把requests 库比作一个人，那么它的主要工作便是取货
库的安装方法：打开命令行（cmd、terminal），运行下面的代码
然后等待安装完成，出现 successfully 说明安装成功。
- re 库
如果把re库比作一个人，那么它的主要工作便是从给定信息中提取出特定信息
爬虫，说白了就是利用技术去获取位于网络上的信息，就像你要找一本书一样，你若想找到书，就得知道它的位置，在网络中，信息的位置被称为 URL
URL 标记着信息的位置，故此，我们要想获得想要的信息们需要知道信息的 URL，那么我们怎么获得 URL 的呢？凭空臆想自然是不行的咯！虽然可能成功，但成功概率非常低！
说到获取 URL 就不得不谈到 ’归纳推理‘这一方法，它与人类的发展息息相关，因为人类可以通过归纳，在大量的基本数据支持下，合理地归纳出某个事物的特点。
例如
通过观察人类的行走方式，可以归纳出人类具有直立行走的特点
我们不妨回忆以下看小说的部分流程
- 打开小说网站
- 点击要看的书籍并进入章节目录
- 点开具体章节开始小说正文的阅读
1.打开笔趣阁（ http://www.xbiquge.la）
2.点击小说《三寸人间》( http://www.xbiquge.la/10/10489/)并看到章节目录
3.点击第一章 “我要减肥”（ http://www.xbiquge.la/10/10489/4535761.html ）开始阅读
你一定会想，这哪有体现归纳推理呢？
别急，且再听我慢慢道来，归纳推理是建立在样本足够多的基础上，上面我给的小说章节 URL 还不够多，所以我再给几个:
3 个或许不算多，但我相信以你的冰雪聪明，一定已经发现这 3 个 地址的共性了吧？ 好，接下来让我们 求同存异
所以如果我们用 x 来代表小说章节 URL 的共性，y 代表不同点，z 代表小说章节完整 URL 那么应该有：
x 我们已经知道了，所以要求 z，当然是要去求 y，那么 y 是怎么求的呢？ 这就用到我们的 requests 库了，它在本文的爬虫中的作用是向某个地址发送请求（就像你用浏览器打开网页那样，只不过没有图形界面和一些动态元素),然后获得相关信息。
打个比方
requests是一个人，它具有取货的能力，如果你告诉它货物所在地址，它可以帮你去把货物取回来，取货物用到 的方法是 get 或许你还不理解，没关系，下面有相应的解释
回到求解 y 的问题，求解 y 得知道它在哪里对吧？
那么 y 在哪里呢？
我们回忆一下看小说的第 2 步，即
点击要看的书籍并进入章节目录
这一步骤中，如果我们点击章节目录中的任意章节，我们很快就能看到小说内容
小说章节这一货物的地址存放在小说目录这个仓库中
当然是使用我们的 requests 库咯！
获取章节地址的思路
通过requests这个人访问小说总目录这一大仓库，然后从仓库中取货，这样便得到小说章节地址这些货物
请看代码
仔细看我们便发现 y 隐藏在形如下面的文本中
所以我们找到了y所在位置，验证前面的猜想的正确性！
接下来要做的便是把它揪出来，那怎么把它揪出来呢？这就轮到我们的re库登场了！
re库的简略介绍
re也是一个人。它的工作是审阅信息，而如果你要叫它帮你办事，你需要知道怎么和它沟通，它有 自己的语言，明白它的语言之后才能给它分配任务
下面简略介绍它的语言: 符号 . 对于我们而言是一个单纯的英文句号，但在re这个人的认知里，它代表着任意符号（除了换行符） 符号 *
对于我们而言是一个单纯的星号，但在re这个人的认知里，它代表着任意多个字符 例如 : 你好* 上面的三个字符对于re这个人而言，它的理解有：
你 你好 你好好 你好好好 … 这下子你明白了吧？ 符号 () 对于我们而言是单纯的括号，而在re这个人的认知里，它的作用是吧
()里面的内容包围起来， 下面会有实例介绍 注： (.*?) 这个表达式可以匹配任意文本，后面会多次涉及
请看编写正则表达式的代码:
接下来是求解z的方法，即拼接小说具体章节URL
您瞧
下面是时候通过编写正则表达式来获取小说的内容和标题了，代码如下:
最后，通过 requests
这个人拿着货物（小说章节）地址去提货，然后叫re这个审阅筛选人员从提取到的货物中筛选出所要信息并写入文件。
上面是一个代码片段，如需详细了解怎么使用 Python 操作文件，可以参考我写的教程