2022-03-06 23:05:11
申明:自我娱乐,对自我学习过程的总结。
正文:
环境:
-
系统:win10,
-
python版本:python3.10.2,
-
工具:pycharm。
项目目标:
-
实现对单本小说的更新判断,省去人工登录浏览器看小说的繁琐操作。
-
如果小说内容更新了,那么自动下载你没看过的小说内容到本地,并保存为txt格式。
-
对项目代码封装成可单独运行在win10上的exe文件。
最终效果:都已实现。可以判断小说更新了没;更新了就下载下来;通过调整小说的已看章节数(就是你上次浏览小说章节位置记录)可以达到直接保存整本小说。
项目实现流程:
1. 主程序
我这里只写了一个main.py,就一个主函数解决了。
# 这个是一个爬取小说的工具
# 内容针对逆天邪神
# 功能1:是判断小说是否更新,如果更新就下载下来
# 功能2:下载整本小说(单线程),一般都是自动下载最新更新的几章,单线程足够。——懒
import requests
import re
from bs4 import BeautifulSoup
import os
if __name__ == \'__main__\':
novel_url = \"https://www.bige3.com/book/1030/\" # 逆天邪神
return_value = is_update(novel_url) # 更新章节数
if return_value == 0:
print(\"小说尚未更新!\")
else:
print(\"小说已更新\" + str(return_value) +\"章!\")
print(\"正在下载已更新的小说......\")
download_novel(return_value)
# os.system(\"pause\") # 调试时注释掉,封装时打开,用于观察结果
2. 功能函数
2.1 功能函数is_update()
def is_update(url):
heards = {
\"user-agent\": \"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36\"
}
try:
resp = requests.get(url, headers=heards)
resp.raise_for_status() # 检查Response状态码,若不是200则产生HttpError异常
resp.encoding = \'utf-8\'
except:
print(\"爬取失败\")
resp = re.findall(r\'<a href =.*?>(.*?)</a>\', resp.text)
# print(\"请求返回的列表中的最后一章是:\" + resp[-1])
with open(\"小说更新记录.txt\", \"r\", encoding=\'utf-8\') as f: # 打开文件
data = f.read() # 读取文件
# print(\"source_novel_data is:\" + str(data))
if data == str(resp[-1]):
# print(\"===章节一致,小说尚未更新!\")
return 0
else:
# print(\"!==小说更新啦,并将更新值加入到小说更新记录.txt\")
data_num = re.findall(r\'\\d+\', data) # list
data_num = \'\'.join(data_num) # str
resp_num = re.findall(r\'\\d+\', resp[-1])
resp_num = \'\'.join(resp_num)
gap_num = int(resp_num)-int(data_num) # 更新章节数
with open(\"小说更新记录.txt\", \"w\", encoding=\'utf-8\') as f: # 打开文件
f.write(str(resp[-1])) # 读取文件
print(\"writing is ok!\")
return gap_num
2.2 功能函数download_novel(return_value)
# 单线程方式
def download_novel(return_value):
if return_value >= 1:
for i in range(1, return_value+1, 1):
print(i)
with open(\"小说更新记录.txt\", \"r\", encoding=\'utf-8\') as f: # 打开文件
data = f.read() # 读取文件 str
data_num = re.findall(r\'\\d+\', data) # list
data_num = \'\'.join(data_num) # str
download_num = int(data_num)+1-(i-1)
# print(download_num)
print(novel_url+str(download_num)+\'.html\')
resp = requests.get(novel_url+str(download_num)+\'.html\')
# print(resp.content)
soup = BeautifulSoup(resp.text, \'lxml\')
soup.select(\'#chaptercontent\')
mytxt = soup.text[soup.text.find(\'下一章\'):soup.text.rfind(\'『点此报错\')]
mytxt = mytxt[3:]
mytxt = mytxt.strip()
mytxt = mytxt.replace(\' \', \'\\n\')
novel_save_location = \"./novel_downloads/逆天邪神第\"+str(download_num-1)+\"章.txt\"
with open(novel_save_location, \"w\", encoding=\'utf-8\') as f: # 打开文件
f.write(mytxt)
print(\"下载完毕!\")
else:
print(\"invalid parameter!\")
注意:
-
调试时要创建文件夹
novel_downloads
,并标注为Exclusion,防止pycharm自动创建索引,使电脑卡顿。 -
封装后的main.exe要保证它所在的路径下有两个东西:文件夹
novel_downloads
和文件小说更新记录.txt
。 -
初始阶段保证文件
小说更新记录.txt
里有个数字就行,随便啥(1 or 1935等)
全部代码:(直接能爬)
# 这个是一个爬取小说的工具
# 内容针对逆天邪神
# 功能1:是判断小说是否更新,如果更新就下载下来
# 功能2:下载整本小说(单线程),一般都是自动下载最新更新的几章,单线程足够。——懒
import requests
from lxml import etree
import re
from bs4 import BeautifulSoup
import os
def is_update(url):
heards = {
\"user-agent\": \"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36\"
}
try:
resp = requests.get(url, headers=heards)
resp.raise_for_status() # 检查Response状态码,若不是200则产生HttpError异常
resp.encoding = \'utf-8\'
except:
print(\"爬取失败\")
resp = re.findall(r\'<a href =.*?>(.*?)</a>\', resp.text)
# print(\"请求返回的列表中的最后一章是:\" + resp[-1])
with open(\"小说更新记录.txt\", \"r\", encoding=\'utf-8\') as f: # 打开文件
data = f.read() # 读取文件
# print(\"source_novel_data is:\" + str(data))
if data == str(resp[-1]):
# print(\"===章节一致,小说尚未更新!\")
return 0
else:
# print(\"!==小说更新啦,并将更新值加入到小说更新记录.txt\")
data_num = re.findall(r\'\\d+\', data) # list
data_num = \'\'.join(data_num) # str
resp_num = re.findall(r\'\\d+\', resp[-1])
resp_num = \'\'.join(resp_num)
gap_num = int(resp_num)-int(data_num) # 更新章节数
with open(\"小说更新记录.txt\", \"w\", encoding=\'utf-8\') as f: # 打开文件
f.write(str(resp[-1])) # 读取文件
print(\"writing is ok!\")
return gap_num
# 单线程方式
def download_novel(return_value):
if return_value >= 1:
for i in range(1, return_value+1, 1):
print(i)
with open(\"小说更新记录.txt\", \"r\", encoding=\'utf-8\') as f: # 打开文件
data = f.read() # 读取文件 str
data_num = re.findall(r\'\\d+\', data) # list
data_num = \'\'.join(data_num) # str
download_num = int(data_num)+1-(i-1)
# print(download_num)
print(novel_url+str(download_num)+\'.html\')
resp = requests.get(novel_url+str(download_num)+\'.html\')
# print(resp.content)
soup = BeautifulSoup(resp.text, \'lxml\')
soup.select(\'#chaptercontent\')
mytxt = soup.text[soup.text.find(\'下一章\'):soup.text.rfind(\'『点此报错\')]
mytxt = mytxt[3:]
mytxt = mytxt.strip()
mytxt = mytxt.replace(\' \', \'\\n\')
novel_save_location = \"./novel_downloads/逆天邪神第\"+str(download_num-1)+\"章.txt\"
with open(novel_save_location, \"w\", encoding=\'utf-8\') as f: # 打开文件
f.write(mytxt)
print(\"下载完毕!\")
else:
print(\"invalid parameter!\")
if __name__ == \'__main__\':
novel_url = \"https://www.bige3.com/book/1030/\" # 逆天邪神
return_value = is_update(novel_url)
if return_value == 0:
print(\"小说尚未更新!\")
else:
print(\"小说已更新\" + str(return_value) +\"章!\")
print(\"正在下载已更新的小说......\")
download_novel(return_value)
os.system(\"pause\")
缺点:单线程,没有用到异步协程,也没有用线程池实现对小说下载章节数较多时的快速下载优势。之后有空再优化代码,并实现相应的功能。
实现效果:
例如章节是目前是
最新章节为:1936章 灾厄奏鸣 ,我改个数字演示。
不改话,就没有新章节更新:
改后跑起来,应该是
对应的文件夹里是:
打开后内容是:
Over!!!!!
封装问题
步骤:
-
在pycharm项目路径下打开终端输入:
pip install pyinstaller
-
cd到项目的.py文件路径下
cd .\\study_capture\\novel_capture\\
-
执行:
pyinstaller -F .\\main.py
结果是:
项目中用到的知识点:
这里面可以有些在优化程序时被我给去掉了,嘿嘿
请求网页数据
resp = requests.get(url, headers=heards)
python中list与string的转换
data_num = re.findall(r\'\\d+\', data) # 正则出来的是list
data_num = \'\'.join(data_num) # str
小说章节数的确认
resp = re.findall(r\'<a href =.*?>(.*?)</a>\', resp.text)
TXT文本的读取
encoding=\'utf-8\' 是有必要的,不然会报错。
with open(\"小说更新记录.txt\", \"r\", encoding=\'utf-8\') as f: # 打开文件
data = f.read() # 读取文件
TXT文本的回写
with open(\"小说更新记录.txt\", \"w\", encoding=\'utf-8\') as f: # 打开文件
f.write(str(resp[-1])) # 读取文件
BS4对HTML进行值的筛选
#表示识别标签
soup = BeautifulSoup(resp.text, \'lxml\')
soup.select(\'#chaptercontent\')
取列表元素最后一个
resp[-1]
将列表中的章节数字拿出
data_num = re.findall(r\'\\d+\', data) # list
python特定位置的字符串截取
soup.text str型
find(\'下一章\') 左边开始第一个索引
rfind(\'『点此报错\') 右边开始第一个索引
mytxt = soup.text[soup.text.find(\'下一章\'):soup.text.rfind(\'『点此报错\')]
字符串的拼接:
novel_save_location = \"./novel_downloads/逆天邪神第\"+str(download_num-1)+\"章.txt\"
小说保存时:
1.里面有空白,直接用
mytxt = mytxt.strip()
时没有去掉,不知道啥原因。我记得听网课说是:去掉空格,空白,换行符,其他好像都去了,最后还剩小说之间一些空白。
解决方式:因为没有发现是啥符号(notepad++),于是之间将空白拿过来用(copy)。
mytxt=mytxt.replace(\' \', \'\\n\')
#目的是:在TXT文本中句子太长,于是我直接在每句话结束后换行。效果还行,与网站对比。
感谢观看!!!第一次写,好慢,好菜,回去写作业去了。呜呜呜
来源:https://www.cnblogs.com/bluemapleleaf/p/15974104.html
本站部分图文来源于网络,如有侵权请联系删除。