抽取HTML後的內容，一般都會儲存為JSON或者CSV格式。《Python爬蟲開發與專案實戰》一書中以小說閱讀網為例，抽取出小說的標題、章節、名稱和對應連結，那麼為了保險起見，還是老老實實照著來吧 —— 

在抽取之前，作者在書中特意強調了一點，http://seputu.com/是一個靜態網站，它所有的標題章節名稱都不是由JavaScript動態載入的，雖然我不明白作者為什麼要特意強調這一點，但是既然他強調了，作為學習者，我也還是把這個前提提出來，至於為什麼，等我以後學會了爬蟲應該就知道為什麼了，反正現在不管

 那麼開啟網站可以看到，整個小說的目錄是醬紫的，這裡只截圖一部分放出來，意思意思就可以了 ——

首先第一步：

當然是先進行網路請求，打印出請求的內容

# -*- coding:utf-8 -*-
import requests

# 1:請求
url = 'http://seputu.com/'
r = requests.get(url)
print r.content

剪下一下列印的內容：

可以看到：

大標題諸如“盜墓筆記1七星魯王宮”在<div class="mulu-title">下，然後其他的各個小章節，都在<div class="box">之下，那麼繼續coding —— 然後我悲催的發現，書上的例子跑不通，於是我只能對著例子刪刪改改：

# -*- coding:utf-8 -*-
import requests
from BeautifulSoup import *
import json

list = []

url = 'http://seputu.com/'
r = requests.get(url)  # 使用GET請求訪問連結
content = r.content
if r.status_code == requests.codes.ok:
    soup = BeautifulSoup(content, fromEncoding='utf-8')  # html.parser
    content = []
    for box in soup.findAll('div', attrs={'class': 'box'}):
        for a in box.findAll('a'):
            href = a.get('href')  # 每個小章節的連結
            title = a.get('title')  # 每個小章節的標題
            list.append({"href": href, "title": title})

    for mulu in soup.findAll('div', attrs={'class': 'mulu-title'}):
        mulu_title = mulu.h2.string  # 目錄大標題
        content.append({"mulu_title": mulu_title, "content": list})

    with open('mytest.json', 'wb') as fp:
        json.dump(content, fp=fp, indent=4)  # dump：把Python物件轉換成JSON物件，並將JSON物件通過fp檔案流寫入到檔案中
else:
    r.raise_for_status()
 

截圖一張最終效果：

總算是搞定了，拍桌~