python爬取小说写入txt_基于python爬取小说章节源代码内容存为文本实现小说下载...

应该算是我这个新人在吾爱的首贴了

前言

由于是py新人,所以代码可能不够简练,都是想到哪写到哪,但是看起来可能不会太吃力,应该还是比较好理解的

大神勿喷!

食用方法

1.首先需要python环境,这个网上教程也很多,我就不说明了

2.仅python 3的版本,3以下版本无法运行

3.不需要安装第三方库,一切操作基于标准库完成

爬取的对象:第三方小说网站:顶点小说网

以小说:修真聊天群 为例

首先打开修真聊天群章节目录,将目录的网址 http://www.booktxt.net/1_1439/ 复制后输入到命令行中,然后自动获取所有章节列表

然后就静静等待结束即可

后面有图,因为图链可能会挂。。。所以当附件上传了

源码

#!/usr/bin/python

# -*- coding: UTF-8 -*-

import urllib.request

import re

import os

import time

import threading

import shutil

txt_content_partern = '

(.*?)
'

txt_name_partern = '

(.*?)

'

catalog_partern = '

(.*?)'

flag = -1

max_len = 0

atalog = []

# 章节间隔

txt_max = 20

# 线程数量

max_thread = 20

thread_stop = 0

start_time = time.clock()

headers = {

'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',

'Accept-Language': 'zh-CN,zh;q=0.8',

'Cache-Control': 'max-age=0',

'Proxy-Connection': 'keep-alive',

'Host': 'http://www.booktxt.net',

'Referer': 'https://www.google.com.hk/',

'Upgrade-Insecure-Requests': '1',

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'

}

def down_txt(url, txtname, filename):

# print(url)

fo = open(filename, "a")

for i in range(0, 10):

try:

html_data = urllib.request.urlopen(url).read().decode('gbk')

content = re.findall(txt_content_partern, html_data, re.S | re.M)

fo.write("\r\n" + txtname + "\r\n")

fo.write(content[0].replace(" ", "").replace("
", "").replace("\r\n\r\n", "\r\n").replace("<", "").replace("/p>", ""))

fo.close()

break

except:

if i == 9:

print("请求失败次数过多,请重新下载")

print("请求失败,正在重试...")

time.sleep(0.5)

continue

def down_mul(url, cnt, file_path):

global flag, max_len, atalog, txt_max, thread_stop

down_flag = 1

while flag * txt_max < max_len - 1:

flag += 1

star = flag * txt_max

end = star + txt_max

if star >= end:

break

if end > max_len:

end = max_len

print("正在抓取章节" + str(star) + '-' + str(end) + '...')

down_flag = 0

for i in range(star, end):

if i >= max_len:

break

for j in range(0, 10):

try:

down_txt(url + atalog[i][0] + ".html", atalog[i][1], file_path + '\\' + str(star + 1) + '.txt')

break

except:

if i == 9:

print("请求失败次数过多,请重新下载")

print("请求失败,正在重试...")

time.sleep(0.5)

continue

thread_stop += 1

if down_flag:

print("线程[" + str(cnt) + "]未获取到任务...")

else:

print("线程[" + str(cnt) + "]运行完毕...")

def main():

global atalog, max_len, thread_stop, max_thread, start_time

basic_url = 'www.booktxt.net'

url_1 = input("请输入需要下载的小说目录地址,仅限顶点小说网[www.booktxt.net]:")

print('正在抓取目录章节...')

# url_1='http://www.booktxt.net/1_1137/'

for i in range(0, 10):

try:

html_data = urllib.request.urlopen(url_1).read().decode('gbk')

txt_name = re.compile(txt_name_partern).findall(html_data)

print('小说名称:' + txt_name[0])

atalog = re.compile(catalog_partern).findall(html_data)

print('章节目录抓取完毕...总章节数:' + str(len(atalog)))

break

except:

if i == 9:

print("请求失败次数过多,请重新下载")

print("请求失败,正在重试...")

time.sleep(0.5)

continue

files = txt_name[0]

if not os.path.exists(files):

os.mkdir(files)

else:

file_path_list = os.listdir(files)

for file in file_path_list:

os.remove(files + '\\' + file)

# print(atalog)

max_len = len(atalog)

atalog.sort(key=len)

# max_len =19

for x in range(0, max_thread):

t = threading.Thread(target=down_mul, args=(url_1, x + 1, files))

print('线程[' + str(x + 1) + ']Runing Star')

t.start()

while (1):

if thread_stop == max_thread:

break

print("正在抓取...请稍后...剩余线程数:" + str(max_thread - thread_stop))

time.sleep(5)

print("等待合并章节...")

filenames = os.listdir(files)

filenames.sort(key=len)

print(filenames)

fo = open(txt_name[0] + '.txt', "w")

for file in filenames:

filepath = files + '\\' + file

for line in open(filepath):

fo.write(line)

fo.close()

print("合并章节完成...等待删除工作目录...")

shutil.rmtree(files)

times = time.clock() - start_time

h = int(times) // 3600

m = int(times) % 3600 // 60

s = int(times) % 60

print("小说下载完成,总共消耗时间:", h, "小时", m, '分钟', s, '秒')

s = input()

if __name__ == '__main__':

opener = urllib.request.build_opener()

header_list = []

for key, value in headers.items():

header_list.append((key, value))

opener.addheaders = header_list

urllib.request.install_opener(opener)

main()

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