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: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Python QT实现A-star寻路算法

目录 1、界面使用方法 2、注意事项 3、补充说明 用Qt5搭建一个图形化测试寻路算法的测试环境。 1、界面使用方法 设定起点: 鼠标左键双击,设定红色的起点。左键双击设定起点,用红色标记。 设定终点: 鼠标右键双击,设定蓝色的终点。右键双击设定终点,用蓝色标记。 设置障碍点: 鼠标左键或者右键按着不放,拖动可以设置黑色的障碍点。按住左键或右键并拖动,设置一系列黑色障碍点

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目

【Python报错已解决】AttributeError: ‘list‘ object has no attribute ‘text‘

🎬 鸽芷咕:个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 文章目录 前言一、问题描述1.1 报错示例1.2 报错分析1.3 解决思路 二、解决方法2.1 方法一:检查属性名2.2 步骤二:访问列表元素的属性 三、其他解决方法四、总结 前言 在Python编程中,属性错误(At