request+BeautifulSoup:下载《笔趣看》网小说《第九特区》

bensam

于 2020-10-16 12:07:33 发布

阅读量2.1k

点赞数

分类专栏： Python爬虫

本文链接：https://blog.csdn.net/bensam/article/details/109113976

版权

Python爬虫专栏收录该内容

4 篇文章 0 订阅

订阅专栏

这是一个Python爬虫程序，用于从《笔趣看》网站下载《第九特区》小说的全部章节。程序首先获取章节链接，然后逐个下载章节内容，最后将所有章节写入一个txt文件中。爬虫处理了编码问题，确保内容正确显示，并在下载过程中提供了进度反馈。

摘要由CSDN通过智能技术生成

# -*- coding:UTF-8 -*-
from bs4 import BeautifulSoup
import requests, sys
import time
"""
类说明:下载《笔趣看》网小说《第九特区》
Parameters:
    无
Returns:
    无
Modify:
    2020-10-16
"""
class downloader(object):

    def __init__(self):
        #self.server = 'http://www.biqukan.com/'
        self.target = 'https://www.biqukan.net/book/126955/' #《第九特区》的网址
        self.names = []            #存放章节名
        self.urls = []            #存放章节链接
        self.nums = 0            #章节数

    """
    函数说明:获取下载链接
    Parameters:
        无
    Returns:
        无
    Modify:
        2017-09-13
    """
    def get_download_url(self):
        req = requests.get(url = self.target)
        req.encoding = 'gb2312'  # 设置编码方式
        html = req.text
        div_bf = BeautifulSoup(html,"html.parser")
        div = div_bf.find_all('div', class_ = 'panel panel-default')
        a_bf = BeautifulSoup(str(div[1]),"html.parser")
        a = a_bf.find_all('a')
        #self.nums = len(a[15:])                                #剔除不必要的章节，并统计章节数
        self.nums = len(a)
        #for each in a[15:]:
        for each in a:
            self.names.append("-----------{}----------".format(each.string))
            self.urls.append(self.target + each.get('href'))

    """
    函数说明:获取章节内容
    Parameters:
        target - 下载连接(string)
    Returns:
        texts - 章节内容(string)
    Modify:
        2017-09-13
    """
    def get_contents(self, target):
        req = requests.get(url = target)
        req.encoding = 'gb2312'  # 设置编码方式,否则文档中的中文会乱码
        html = req.text
        bf = BeautifulSoup(html,"html.parser")
        texts = bf.find_all('div', class_ = 'panel-body')
        '''
        提取匹配结果后，使用text属性，提取文本内容，滤除br标签。
        随后使用replace方法，剔除空格，替换为回车进行分段。 
        在html中是用来表示空格的。replace(’\xa0’*8,’\n\n’)
        就是去掉下图的八个空格符号(&nbsp;)，并用回车代替
        '''
        texts = texts[0].text.replace('\xa0'*8,'\n\n')
        texts = texts.replace('笔趣看','')
        texts = texts.replace('www.biqukan.net，最快更新第九特区最新章节！', '')
        return texts

    """
    函数说明:将爬取的文章内容写入文件
    Parameters:
        name - 章节名称(string)
        path - 当前路径下,小说保存名称(string)
        text - 章节内容(string)
    Returns:
        无
    Modify:
        2017-09-13
    """
    def writer(self, name_zhangjie, name_file, text):
        write_flag = True
        with open(name_file, 'a', encoding='utf-8') as f:
            f.write(name_zhangjie + '\n')
            f.writelines(text)
            f.write('\n\n')

if __name__ == "__main__":
    dl = downloader()
    dl.get_download_url()
    print('《第九特区》开始下载：')
    for i in range(dl.nums):
        dl.writer(dl.names[i], '第九特区.txt', dl.get_contents(dl.urls[i]))
        #sys.stdout.write("  已下载:%.3f%%" %  float(i/dl.nums) + '\r')
        sys.stdout.write("\r  已下载:%.3f%%" %  float(i/dl.nums) )
        #sys.stdout.write('\033[41;1m.\033[0m')  # 背景色为红色的点
        sys.stdout.flush()# 边输出边刷新
        time.sleep(0.1)  # 刷新时间0.1秒
    print('《第九特区》下载完成')