百木园-与人分享,
就是让自己快乐。

Python搜索书名获取整本资源_笔趣阁

前言

偶然一天把某项目文档传到手机上,用手机自带的阅读器方便随时拿出来查阅。看着我那好久没点开的阅读器,再看着书架上摆着几本不知道是多久之前导入的小说。

闭上眼,我仿佛看到那时候的自己。侧躺着缩在被窝里,亮度调到最低,看的津津有味。

睁开眼,一声短叹,心中五味杂陈,时间像箭一样飞逝而去,过去静止不动,未来姗姗来迟。

正好最近又重温了下python,准备做一个简单的获取小说txt文件的程序。

 

一、前期准备

1.安装第三方库

win + r 输入cmd

命令行输入

pip install requests

pip install pyquery

嫌麻烦pycharm直接搜索包安装就行

2.感谢---支持

纯属爱好,仅供学习

 

 


 

 

二、主要步骤

1.请求网页

老样子,F12进控制台,输入 document.chartset 查看网页编码

Python搜索书名获取整本资源_笔趣阁

代码如下:

1 # 请求网页 获取网页数据
2 def GetHTMLText(url: str) -> str:
3     res = requests.get(url=url, headers=GetHeader(), proxies=GetProxy())   
4     res.encoding = \"GBK\"
5     html: str = res.text
6     return html

 

 

2.获取章节目录

测试地址:---

Ctrl + Shift + C ,选择章节目录任意一章

可以发现章节目录class=\"zjlist\"下的<dd>标签内含有每一章节的信息,该章节的url和章节名

 Python搜索书名获取整本资源_笔趣阁

 

代码如下:

1 # 获取章节目录
2 def GetPageTree(doc: pQ) -> pQ:
3     pageTree: pQ = doc(\'.zjlist dd a\')
4     return pageTree

 

 3.输入转码

GBK转码:aTool在线工具

在搜索框内输入名称,searchkey=,后就是该名称对应的GBK编码

Python搜索书名获取整本资源_笔趣阁

将链接后的编码输进进行解码,得到你所输入的文字内容

 Python搜索书名获取整本资源_笔趣阁

 

代码如下:

1 # 输入转码 获取搜索到的书籍链接
2 def GetSearchUrl(Novel_Name: str) -> str:
3     StrToGbk: bytes = Novel_Name.encode(\"gbk\")
4     GbkToStr: str = str(StrToGbk)
5     Url_input = GbkToStr[2:-1].replace(\"\\\\x\", \"%\").upper()
6     Url = \"---\" + \"searchtype=articlename&searchkey=\"
7     return Url + Url_input

 

 

4.抓取模式

搜索到小说之后跳转到搜索到的网页,可能会出现两种情况

一种是一次搜索到结果

还有一种是搜索到多种结果,需要对这个网页再做一次解析筛选

判断网页容器的id=\"info\",是否有这个节点

Python搜索书名获取整本资源_笔趣阁

 

代码如下:

1 # 抓取模式
2 def GetModel(doc: pQ) -> bool:
3     if doc(\'#info\'):
4         return True  # 一次搜索到,不需要筛选
5     else:
6         return False

 

 


 

 

 

三、代码展示

Python搜索书名获取整本资源_笔趣阁Python搜索书名获取整本资源_笔趣阁

  1 import os
  2 import requests
  3 import time
  4 import re
  5 from random import choice
  6 from pyquery import PyQuery as pQ
  7 
  8 
  9 # 获取请求头
 10 def GetHeader() -> dict:
 11     header = [  # 请求头
 12         {
 13             \"User-Agent\": \"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.67 Safari/537.36\"
 14         },
 15         {
 16             \"User-Agent\": \"Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1\"
 17         },
 18         {
 19             \"User-Agent\": \"Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1\"
 20         },
 21         {
 22             \"User-Agent\": \"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.101 Safari/537.36\"
 23         },
 24         {
 25             \"User-Agent\": \"Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10\"
 26         },
 27         {
 28             \"User-Agent\": \"Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10\"
 29         },
 30         {
 31             \"User-Agent\": \"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.101 Safari/537.36\"
 32         },
 33         {
 34             \"User-Agent\": \"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 UBrowser/4.0.3214.0 Safari/537.36\"
 35         },
 36         {
 37             \"User-Agent\": \"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; SE 2.X MetaSr 1.0)\"
 38         },
 39         {
 40             \"User-Agent\": \"Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50\"
 41         }
 42     ]
 43     return choice(header)
 44 
 45 
 46 # 获取代理
 47 def GetProxy() -> dict:
 48     proxies = [  # 代理
 49         {
 50             \"Https\": \"60.170.204.30:8060\"
 51         },
 52         {
 53             \"Https\": \"103.37.141.69:80\"
 54         },
 55         {
 56             \"Https\": \"183.236.232.160:8080\"
 57         },
 58         {
 59             \"Https\": \"202.55.5.209:8090\"
 60         },
 61         {
 62             \"Https\": \"202.55.5.209:8090\"
 63         }
 64     ]
 65     return choice(proxies)
 66 
 67 
 68 # 输入转码 获取搜索到的书籍链接
 69 def GetSearchUrl(Novel_Name: str) -> str:
 70     StrToGbk: bytes = Novel_Name.encode(\"gbk\")
 71     GbkToStr: str = str(StrToGbk)
 72     Url_input = GbkToStr[2:-1].replace(\"\\\\x\", \"%\").upper()
 73     Url = \"---\" + \"modules/article/search.php?searchtype=articlename&searchkey=\"
 74     return Url + Url_input
 75 
 76 
 77 # 请求网页 获取网页数据
 78 def GetHTMLText(url: str) -> str:
 79     res = requests.get(url=url, headers=GetHeader(), proxies=GetProxy())
 80     # Console --- document.charset ---\'GBK\'
 81     res.encoding = \"GBK\"
 82     html: str = res.text
 83     return html
 84 
 85 
 86 # 获取网页解析
 87 def GetParse(url: str) -> pQ:
 88     text = GetHTMLText(url)
 89     doc: pQ = pQ(text)
 90     return doc
 91 
 92 
 93 # 获取小说名
 94 def GetNovelName(doc: pQ) -> str:
 95     con = doc(\'#info\')
 96     novel_name: str = con(\'h1\').text().split(\' \')[0]
 97     return novel_name
 98 
 99 
100 # 获取章节目录
101 def GetPageTree(doc: pQ) -> pQ:
102     pageTree: pQ = doc(\'.zjlist dd a\')
103     return pageTree
104 
105 
106 # 提取章节链接跳转后的页面内容 id=\"content\"
107 def GetNovel(url) -> str:
108     doc = GetParse(url)
109     con = doc(\'#content\')
110     novel: str = con.text()
111     return novel
112 
113 
114 # 获取总页数
115 def GetPageNums(doc: pQ):
116     pageNums = doc(\'.form-control option\')
117     return pageNums
118 
119 
120 # 获取novel主页链接
121 def GetHomeUrl(doc: pQ) -> str:
122     PageNums = GetPageNums(doc)
123     for page in PageNums.items():
124         if page.text() == \"第1页\":
125             return page.attr(\'value\')
126 
127 
128 # 抓取模式
129 def GetModel(doc: pQ) -> bool:
130     if doc(\'#info\'):
131         return True  # 一次搜索到,不需要筛选
132     else:
133         return False
134 
135 
136 # 搜索到结果开始抓取
137 # Args_url---novel主页链接
138 # ms---间隔时间,单位:ms
139 # url_ 主网站
140 def GetDate_1(Args_url: str, doc: pQ, ms: int, url_: str = \"---\") -> None:
141     NovelName = GetNovelName(doc)
142     PageNums = GetPageNums(doc)
143     file_path = os.getcwd() + \"\\\\\" + NovelName  # 文件存储路径
144     setDir(file_path)  # 判断路径是否存在,不存在创建,存在删除
145     Seconds: float = ms / 1000.0
146     for page in PageNums.items():
147         url = url_ + page.attr(\'value\')  # 每一页的链接
148         currentPage = page.text()  # 当前页
149         doc: pQ = GetParse(url)
150         page_tree = GetPageTree(doc)
151         for page_Current in page_tree.items():
152             page_name: str = page_Current.text()  # 章节名
153             page_link = page_Current.attr(\'href\')  # 章节链接
154             novel = page_name + \"\\n\\n\" + GetNovel(Args_url + page_link) + \"\\n\\n\"  # 文章内容
155             page_Name = clean_file_name(page_name)  # 处理后的章节名
156             download_path = file_path + \"\\\\\" + NovelName + \".txt\"  # 文件下载路径
157             with open(download_path, \"a\", encoding=\"utf-8\") as f:
158                 f.write(novel)
159                 print(\"正在下载 {}...\".format(page_Name))
160                 time.sleep(Seconds)
161                 f.close()
162             print(\"{}下载成功\\n\".format(page_Name))
163         print(\"{}下载完成\\n\".format(currentPage))
164     print(\"{}下载完成!\".format(NovelName))
165 
166 
167 # 搜索到重复结果,需要进行筛选.匹配成功返回首页的网址
168 def GetUrl_2(doc: pQ, SearchName: str) -> str:
169     con = doc(\'.odd a\').items()
170     for Title in con:
171         if Title.text() == SearchName:
172             url: str = Title.attr(\'href\')
173             return url
174 
175 
176 # 文件处理
177 def setDir(filepath):
178     if not os.path.exists(filepath):  # 如果文件夹不存在就创建
179         os.mkdir(filepath)
180     else:
181         for i in os.listdir(filepath):  # os.listdir(filepath)返回一个列表,里面是当前目录下面的所有东西的相对路径
182             file_data = filepath + \"\\\\\" + i  # 当前文件夹下文件的绝对路径
183             if os.path.isfile(file_data):
184                 os.remove(file_data)  # 文件存在-删除
185 
186 
187 # 异常文件名处理
188 def clean_file_name(filename: str):
189     invalid_chars = \'[\\\\\\/:*??\"<>|]\'
190     replace_char = \'-\'
191     return re.sub(invalid_chars, replace_char, filename)
192 
193 
194 # 保存文件
195 def SaveFile(url: str, searchName: str):
196     doc = GetParse(url)
197     url_: str = \"---\" #懂得都懂
198     try:
199         if GetModel(doc):
200             url = url_ + GetHomeUrl(doc)
201             doc = doc
202         else:
203             url = GetUrl_2(doc, searchName)
204             doc = GetParse(url)
205         GetDate_1(Args_url=url, doc=doc, ms=100)
206     except Exception as result:
207         print(\"{}\".format(result))
208     finally:
209         print(\"请输入有效书名\")
210 
211 
212 # 输入名字搜索
213 def main():
214     SearchName = input(\"请输入需要下载的书名:\")
215     url = GetSearchUrl(SearchName)
216     SaveFile(url, SearchName)
217 
218 
219 if __name__ == \"__main__\":
220     main()

View Code

 

 


 

 

 

四、运行效果

 

 

 

 

 


 

 

 

总结

按名称搜索跟直接拿首页链接原理差不多,只不过多了个筛选的操作

以上就是今天要分享的内容,时间原因还有很多可以优化的地方,后面有时间再改吧……

最后说说自己的一些想法,为什么现在对小说没什么感觉了。

看小说除了让我的鼻梁上戴着的东西越来越厚之外,还让我的作息变得一团糟。我是个管不住自己的人,以前看小说最着迷的时候,除了吃饭睡觉,剩下时间全拿来看小说了。

当然,看小说也并不像我说的那样百害无一利,但是要注意合理安排好自己的时间,劳逸结合。😂

 


来源:https://www.cnblogs.com/H-J-Jay/p/Python_ByHuMou_05_29.html
本站部分图文来源于网络,如有侵权请联系删除。

未经允许不得转载:百木园 » Python搜索书名获取整本资源_笔趣阁

相关推荐

  • 暂无文章