python3.5爬虫完成笔趣阁小说的爬取

内容简介:

本文主要是利用python3.5完成了笔趣阁小说的爬虫程序存储章节txt到本地,方便阅读。

需求:

由于手机最近阅读笔趣阁的小说插了特别多的广告特别麻烦;所以就做了个小程序实现下文本的爬取,全部把小说爬取下来存储成txt,放到手机上阅读。

过程:

说做就做,本来python爬虫就比较简单,笔趣阁的模块也都是直接读取源代码就可以获取文字;所以就都读下来了。

如果想全部存储到一个文档,对应的改动程序,让列表添加,再一次写入就行。

附上源码:有兴趣的可以设置下对应的文件夹,就可以直接写到上面的直接os.makefiles();

下载其它小说请注意修改 [下载到的本地目录, 书号, 起始index号]

源码:

import re  
import urllib.request as request    
from bs4 import BeautifulSoup    
import requests  

'''全局变量声明, 下载其它小说请注意修改 [下载到的本地目录, 书号, 起始index号]'''
downLoadFile = 'F:\\txt_cpxs\\' ##要下载到的目录
shuhao = '2_2970' ## 书号就是http://www.biquge.com/2_2970/2456497.html; com后面的那个。
start, end = 2456497,100000

def setSrr(url):  
    if(requests.get(url).status_code == 404):  
        print('这是个错误网址')  
        return []  
    print ('正在打开 ',url)      
 
    l  = []  
    '''''请求响应和不响应的处理'''  
    response = request.urlopen(url)  
      
    html = response.read()    
    soup = BeautifulSoup(html)  
    item = soup.findAll('h1')   
    title = re.match(r'(.*)<h1> (.*)</h1>(.*)', str(item) ,re.M|re.I).group(2)  
    l.append(title.split(' ')[0])  
    l.append(title)  
    strings = soup.findAll('div', id="content")[0];  
    for string in strings:  
        st = string.__str__()  
        if (len(st.split('<br/>')) > 1):  
            pass  
        else:  
            l.append(st)  
    return l  
#strings.split()  
 
#穿入字符串 写入文件;标题为l[0]  
def setDoc(l):  
    if(len(l) < 2):  
        return  
    file_s = downLoadFile  + l[0] + '.txt'  
    file = open(file_s, 'w+', encoding='utf-8')  
    for i in l:  
        file.write('\t')  
        for ii in i.split('    '):  
            file.write(ii)  
        file.write('\n')  
 
#开始自加数值;读取新文档;如果没有;那么跳过  
''''' 最开始设置为1066142,100  '''  
def setNum(num,n):  
    l = [(num + i) for i in range(n)]  
    sl = [str(l[i]) for i in range(len(l))]  
    return sl  
      
'''''自动产生新的url'''  

'''''  自己观察到: 第一章的地址http://www.biquge.com/2_2970/2456497.html
最后一张的地址 http://www.biquge.com/2_2970/3230837.html'''  
def setNewUrl(sl):  
    urls = []  
    for x in sl:  
        xsr = 'http://www.biquge.com/'+ shuhao +'/'+ x +'.html'  #对应的单章html
        urls.append(xsr)  
    return urls  
 


def setTxts(urls):  
    for url in urls:  
        setDoc(setSrr(url))
        
print(  
'''''
--------------
开始下载超品相师
--------------
——actanble 手打——
如果要下载其他的txt文件: 请修改——
URL 和 对应的起始html的index号。
'''  
)  
setTxts(setNewUrl(setNum(start, end))) 


                
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值