python 小说cms系统_利用python爬取某小说网站

该代码实现了一个Python爬虫,用于从全书网抓取特定分类的图书信息,包括书籍名称和URL。然后,它进一步获取书籍的阅读目录、章节URL,并下载每个章节的内容,将内容保存为HTML文件。爬虫使用了正则表达式解析HTML,通过requests库发送HTTP请求,并使用os库处理文件操作。爬虫特别处理了文件名中可能存在的特殊字符,确保了文件保存的正确性。
摘要由CSDN通过智能技术生成

'''

爬取全书网

'''

import re

import requests

import os

#得到Html内容

def getHtml(url):

response = requests.get(url)

response.encoding = "gbk"

html = response.text

return html;

'''

得到分类的图书url列表

'''

def get_sort_list(url):

bookRe = r''

return re.findall(bookRe,getHtml(url))

'''

获得书的开始阅读目录url

'''

def get_novel_list(url):

novelRe = r''

return re.findall(novelRe,getHtml(url))[0];

'''

获得书章节url列表

'''

def get_chapter(url):

chapterRe = r'

(.*?)'

return re.findall(chapterRe, getHtml(url));

'''

获得书章节内容

'''

def get_chapter_content(url):

chapterConRe = r'(.*?)

chapterLi = re.findall(chapterConRe, getHtml(url), re.S)

print(chapterLi)

return chapterLi[0];

"主函数"

if __name__=='__main__':

url = "http://www.quanshuwang.com/list/8_1.html"

# 得到分类的图书url列表

bookLi = get_sort_list(url)

for novel_name, novel_url in bookLi:

print("novel_name:{} || novel_url:{}".format(novel_name, novel_url))

path = os.path.join("novel", novel_name)

if (not os.path.exists(path)): # 创建文件夹

os.mkdir(path)

print("文件夹创建成功")

else:

print("文件夹已存在")

#获得书的开始阅读目录url

novel_url = get_novel_list(novel_url)

#print(novel_url)

#获得书章节url列表

chapterLi = get_chapter(novel_url)

#print(chapterLi)

for chapter_url,chapter_name in chapterLi:

#获得书章节内容

chapter_content=get_chapter_content(chapter_url)

# 文件名里含\和/(半角),变成路径之后会被识别成目录,如果用\和/(全角)替换

# 转换方法:

# string = string.replace('/', chr(ord('/') + 65248)).replace('\\', chr(ord('\\') + 65248))

##除空格外半角+65248=全角 另外注意\的转意 所以用\\

# path = r'第107章 传送阵【1/10,求订阅】'.replace('/',chr(ord('/')+65248))

with open(os.path.join(path,chapter_name.replace('/',chr(ord('/')+65248))+".html"),"w") as f:

print(os.path.join(path,chapter_name.replace('/',chr(ord('/')+65248))+".html"))

f.write(chapter_content)

break

# get_chapter_content(novelList)

# print(bookLi)

评论
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