用python爬取小说

2024-08-24 20:48
文章标签 python 小说 爬取

本文主要是介绍用python爬取小说,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

从天籁上爬的,本来应该在加个多文本合成的.因为懒就没加.目前只是把每一章都保存为单独文本.想爬别的书就自己改链接.只要是在天籁里面的.理论上都可以爬.

运行删除并创建同书名的空文件夹,支持从哪里开始爬,自己改下标

import threading
import time
import os
import re
import requests
from bs4 import BeautifulSoup
import sys
import importlib
importlib.reload(sys)class downLoader():def __init__(self):self.chapterList = []self.chapterName = []self.chapterNum = 0self.bookName = ''self.session = requests.session()def deleteFile(self):path = os.path.join(os.getcwd(), self.bookName)if os.path.exists(path):files = os.listdir(path)for pFile in files:try:os.unlink(os.path.join(path, pFile))except IOError:print('系统错误,无法删除文件-' + pFile + ',可能被占用')try:os.rmdir(path)except IOError:print('系统错误,无法删除文件夹-' + self.bookName + ',里面有文件被占用')time.sleep(1)self.deleteFile()returnprint('删除' + self.bookName + '文件夹完成')try:os.mkdir(self.bookName)except IOError:time.sleep(1)self.deleteFile()returnprint('创建' + self.bookName + '成功')def getChapter(self):print('获取章节')html = self.getHtml('https://www.23txt.com/files/article/html/22/22295/')bf = BeautifulSoup(html, "html.parser")divs = bf.find_all('div', class_='box_con')self.bookName = divs[0].find('div', id='maininfo')self.bookName = self.bookName.find('div', id='info')self.bookName = self.bookName.find('h1').textprint(self.bookName)self.deleteFile()aList = divs[1].find_all('a')for a in aList:self.chapterName.append(a.string)self.chapterList.append('https://www.23txt.com' + a.get('href'))self.chapterNum = len(aList)def getHtml(self, url):req = self.session.get(url=url)req.raise_for_status()req.encoding = req.apparent_encodingreturn req.textdef begin(self, begin = 0):print('开始获取全部章节内容')for index in range(begin, self.chapterNum):thread = threading.Thread(target=self.getContent, args=(index,))thread.start()thread.join()def getContent(self, index):html = self.getHtml(self.chapterList[index])bf = BeautifulSoup(html, "html.parser")div = bf.find('div', id='wrapper')div = div.find('div', class_='content_read')div = div.find('div', class_='box_con')div = div.find('div', id='content')content = div.textcontent = re.sub(r'\s+', '\n', content)content = self.chapterName[index] + '\n' + contentself.saveFile(content, self.chapterName[index])def saveFile(self, content, chapterName):print('写入章节:' + chapterName)chapterName = self.checkChapterName(chapterName)path = os.path.join(os.path.join(os.getcwd(), self.bookName), chapterName)f = open(path + '.txt', 'w+', encoding='utf-8')f.write(content)f.close()def checkChapterName(self, chapterName):# '\t' 是转义字符:空格# 在windows系统当中的文件命名,文件名称中不能包含 \ / : * ? " < > | 一共9个特殊字符strs = ['\t', '\\', '/', ':', '*', '?', '"', '<', '>', '|']for s in strs:chapterName = chapterName.replace(s, '')return chapterNamedef main():dlObj = downLoader()dlObj.getChapter()dlObj.begin(0) #数字为从第几章开始sys.exit()if __name__ == '__main__':main()

 

这篇关于用python爬取小说的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1103568

相关文章

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O

Python使用国内镜像加速pip安装的方法讲解

《Python使用国内镜像加速pip安装的方法讲解》在Python开发中,pip是一个非常重要的工具,用于安装和管理Python的第三方库,然而,在国内使用pip安装依赖时,往往会因为网络问题而导致速... 目录一、pip 工具简介1. 什么是 pip?2. 什么是 -i 参数?二、国内镜像源的选择三、如何

python使用fastapi实现多语言国际化的操作指南

《python使用fastapi实现多语言国际化的操作指南》本文介绍了使用Python和FastAPI实现多语言国际化的操作指南,包括多语言架构技术栈、翻译管理、前端本地化、语言切换机制以及常见陷阱和... 目录多语言国际化实现指南项目多语言架构技术栈目录结构翻译工作流1. 翻译数据存储2. 翻译生成脚本

如何通过Python实现一个消息队列

《如何通过Python实现一个消息队列》这篇文章主要为大家详细介绍了如何通过Python实现一个简单的消息队列,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录如何通过 python 实现消息队列如何把 http 请求放在队列中执行1. 使用 queue.Queue 和 reque

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

使用Python快速实现链接转word文档

《使用Python快速实现链接转word文档》这篇文章主要为大家详细介绍了如何使用Python快速实现链接转word文档功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 演示代码展示from newspaper import Articlefrom docx import

Python Jupyter Notebook导包报错问题及解决

《PythonJupyterNotebook导包报错问题及解决》在conda环境中安装包后,JupyterNotebook导入时出现ImportError,可能是由于包版本不对应或版本太高,解决方... 目录问题解决方法重新安装Jupyter NoteBook 更改Kernel总结问题在conda上安装了

Python如何计算两个不同类型列表的相似度

《Python如何计算两个不同类型列表的相似度》在编程中,经常需要比较两个列表的相似度,尤其是当这两个列表包含不同类型的元素时,下面小编就来讲讲如何使用Python计算两个不同类型列表的相似度吧... 目录摘要引言数字类型相似度欧几里得距离曼哈顿距离字符串类型相似度Levenshtein距离Jaccard相

Python安装时常见报错以及解决方案

《Python安装时常见报错以及解决方案》:本文主要介绍在安装Python、配置环境变量、使用pip以及运行Python脚本时常见的错误及其解决方案,文中介绍的非常详细,需要的朋友可以参考下... 目录一、安装 python 时常见报错及解决方案(一)安装包下载失败(二)权限不足二、配置环境变量时常见报错及

Python中顺序结构和循环结构示例代码

《Python中顺序结构和循环结构示例代码》:本文主要介绍Python中的条件语句和循环语句,条件语句用于根据条件执行不同的代码块,循环语句用于重复执行一段代码,文章还详细说明了range函数的使... 目录一、条件语句(1)条件语句的定义(2)条件语句的语法(a)单分支 if(b)双分支 if-else(