利用python爬取某小说网站

使用Python3开发


'''
爬取全书网
'''

import re
import requests
import os

#得到Html内容
def getHtml(url):
    response = requests.get(url)
    response.encoding = "gbk"
    html = response.text
    return html;

'''
得到分类的图书url列表
'''
def get_sort_list(url):
    bookRe = r'<a target="_blank" title="(.*?)" href="(.*?)" class="clearfix stitle">'
    return  re.findall(bookRe,getHtml(url))

'''
获得书的开始阅读目录url
'''
def get_novel_list(url):
    novelRe = r'<a href="(.*?)" class="reader" title=".*?">'
    return re.findall(novelRe,getHtml(url))[0];

'''
获得书章节url列表
'''
def get_chapter(url):
       chapterRe = r'<li><a href="(.*?)" title=".*?">(.*?)</a></li>'
       return re.findall(chapterRe, getHtml(url));

'''
获得书章节内容
'''
def get_chapter_content(url):
    chapterConRe = r'<script type="text/javascript">style5\(\);</script>(.*?)<script type="text/javascript">style6'
    chapterLi = re.findall(chapterConRe, getHtml(url), re.S)
    print(chapterLi)
    return chapterLi[0];



"主函数"
if __name__=='__main__':
    url = "http://www.quanshuwang.com/list/8_1.html"
    # 得到分类的图书url列表
    bookLi = get_sort_list(url)

    for novel_name, novel_url in bookLi:
        print("novel_name:{} || novel_url:{}".format(novel_name, novel_url))
        path = os.path.join("novel", novel_name)
        if (not os.path.exists(path)):  # 创建文件夹
            os.mkdir(path)
            print("文件夹创建成功")
        else:
            print("文件夹已存在")

        #获得书的开始阅读目录url
        novel_url = get_novel_list(novel_url)
        #print(novel_url)

        #获得书章节url列表
        chapterLi = get_chapter(novel_url)
        #print(chapterLi)
        for chapter_url,chapter_name in chapterLi:
            #获得书章节内容
             chapter_content=get_chapter_content(chapter_url)

             # 文件名里含\和/(半角),变成路径之后会被识别成目录,如果用\和/(全角)替换
             # 转换方法:
             # string = string.replace('/', chr(ord('/') + 65248)).replace('\\', chr(ord('\\') + 65248))
             ##除空格外半角+65248=全角 另外注意\的转意 所以用\\
             # path = r'第107章 传送阵【1/10,求订阅】'.replace('/',chr(ord('/')+65248))

             with open(os.path.join(path,chapter_name.replace('/',chr(ord('/')+65248))+".html"),"w") as f:
                 print(os.path.join(path,chapter_name.replace('/',chr(ord('/')+65248))+".html"))
                 f.write(chapter_content)
        break

    # get_chapter_content(novelList)

    # print(bookLi)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,098评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,213评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,960评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,519评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,512评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,533评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,914评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,804评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,563评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,644评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,350评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,933评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,908评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,146评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,847评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,361评论 2 342