jjjzw 发表于 2021-3-15 22:37

初学python爬虫-下载网络小说

本帖最后由 jjjzw 于 2021-3-16 13:38 编辑

本人python小白一枚,写出来的代码不是很好看,有写得不好的地方还请大佬不吝赐教!
代码用于从某趣阁下载小说,分别将正文和目录保存为book_name.txt和log.txt

import requests
from bs4 import BeautifulSoup
import os
import time
import sys

# BeautifulSoup需要安装html5lib解析
# 使用时修改Path为小说保存路径

Path = "/Users/apple/Desktop/小说/"
soup = BeautifulSoup
url = "http://www.xbiquge.la/modules/article/waps.php"
host = "http://www.xbiquge.la"
# 用于过滤章节名的字典
keys = {
    "key1": "章",
    "key2": "结局",
    "key3": "番",
    "key4": "1",
    "key5": "2",
    "key6": "3",
    "key7": "4",
    "key8": "5",
    "key9": "6",
    "key10": "7",
    "key11": "8",
    "key12": "9"
}
global data
global book_name
global name__
global now_
global start_time
# 一些list
book_names = []
book_urls = []
book_authors = []
book_counts = []
chapter_hrefs = []
chapter_names = []
# 构造请求头
headers = {
    "Content-Type": "application/x-www-form-urlencoded",
    "Origin": "http://www.xbiquge.la",
    "Host": "www.xbiquge.la",
    "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
    "Connection": "keep-alive",
    "Content-Length": "11",
    "Accept-Encoding": "gzip, deflate",
    "Cookie": "_abcde_qweasd=0; _abcde_qweasd=0; bdshare_firstime=1615377374914",
    "Upgrade-Insecure-Requests": "1",
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/605.1.15 (KHTML, like Gecko) "
                  "Version/11.1.2 Safari/605.1.15",
    "Referer": "http://www.xbiquge.la/",
    "Accept-Language": "zh-cn"
}


def name_():
    global data
    global book_name
    print("请输入书名:")
    book_name = input()
    data = {"searchkey": book_name}


def choose_book(search_result_):
    bs_search_result = soup(search_result_.content, "lxml")
    book_infos = bs_search_result.find_all(name="tr")
    # 将搜索结果写入list,便于打印
    for book_info in book_infos:
      book_name1 = book_info.find("a")
      book_names.append(book_name1.string)
      book_url = book_info.find("a").get("href")
      book_urls.append(book_url)
      book_author = book_info.find_all("td")
      book_authors.append(book_author.string)
    if book_names is None:
      pass
    else:
      # 判断是否有搜索结果
      for check in book_names:
            if book_name not in check:
                print("——————没找到!——————")
            else:
                print("——————搜索结果:——————\n")
                for name in book_names:
                  count = book_names.index(name)
                  book_counts.append(count)
                  print(str(count) + "书籍名:" + name + "作者:" + book_authors)
                print("\n——————输入序号以选择书籍:——————")
                choose_count = input()
                print("——————加载中···——————")
                # 选择书籍
                if 0 <= int(choose_count) <= 99:
                  book_choose_url = book_urls
                  make_dir(choose_count)
                  book_web_page(book_choose_url)
                else:
                  print("——————错误,请检查输入——————")
                  choose_book(search_result_)


def book_web_page(book_choose_url_):
    web_page = requests.get(book_choose_url_)
    web_page_soup = soup(web_page.content, "lxml")
    read_(web_page_soup)


def read_(page_soup):
    global start_time
    chapter_lists = page_soup.find_all(name="dd")
    for chapter_list in chapter_lists:
      href_ = chapter_list.find("a").get("href")
      chapter_hrefs.append(host + href_)
      chapter_name = chapter_list.find("a")
      chapter_names.append(chapter_name.string)
    start_time = time.time()
    print("——————正在检索起始章节···——————")
    # 读取已下载部分,找到开始下载的位置
    if not os.path.exists(Path + name__ + "/" + "log.txt"):
      with open(Path + name__ + "/" + "log.txt", "w") as f3:
            f3.close()
            start_num = 0
    else:
      with open(Path + name__ + "/" + "log.txt", "r") as f4:
            last_line = f4.readlines()[-1]
            start_num = chapter_names.index(last_line) + 1
    print("——————开始下载——————")
    down_novel(start_num)


def down_novel(chapter_now_):
    global now_
    try:
      for links in chapter_hrefs:
            now__ = chapter_hrefs.index(links)
            novel_content = requests.get(links)
            content_soup = soup(novel_content.content, "html5lib")
            title = content_soup.find("h1").string
            wrong = "503 Service Temporarily Unavailable"
            # 防止爬取过快出现503错误
            if wrong in title:
                chapter_now_ = now__
                time.sleep(5)
                down_novel(chapter_now_)
            else:
                # 过滤无效章节
                for value in keys.values():
                  if value not in title:
                        pass
                  else:
                        # 处理正文部分
                        content = content_soup.find_all(name="div", id="content")
                        content1 = str(content)
                        content2 = content1.replace("<br/>", "")
                        # 写入正文到txt
                        with open(Path + name__ + "/" + name__ + ".txt", "a", encoding="utf-8") as f:
                            f.write(chapter_names + "\n")
                            f.write(content2 + "\n\n\n\n")
                        # 写入目录到txt
                        with open(Path + name__ + "/" + "log.txt", "a", encoding="utf-8") as f1:
                            f1.write("\n" + chapter_names)
                            print("已下载:" + chapter_names)
                        break
      end_time = time.time()
      time_ = end_time - start_time
      print("——————" + name__ + "已下载完成——————")
      print("用时: " + str(time_) + "s")
      sys.exit(0)
    except (ConnectionResetError, requests.exceptions.ConnectionError) as e:
      down_novel(now_)


def make_dir(count):
    global name__
    name__ = book_names
    if not os.path.exists(Path + name__ + "/"):
      print("——————正在创建目录···——————")
      os.makedirs(Path + name__ + "/")
    else:
      pass


def run():
    name_()
    search_result = requests.post(url=url, headers=headers, data=data)
    choose_book(search_result)


if __name__ == "__main__":
    run()


运行效果:
第一次下载:


中断后继续下载:


—————————————————————————————
3.16 1:02
修复两个错误:
1、优化了是否搜索到书籍的判断方式,避免搜索不到书籍
2、优化了章节名过滤的方法,避免重复下载多次同一章
———————————————————————
3.16 13:32
修复两个错误:
1、下载用时算反了
2、下载时间长了之后出现Previous line repeated * more times错误,使用try跳过并继续下载


一开始省时间没有完整测试代码运行情况,导致出现各种问题,以后上传代码会仔细测试修改的{:1_890:}

神秘阿凯 发表于 2021-3-15 23:16

xiangxiaoyi 发表于 2021-3-15 23:08
请问python有什么好的教学视频吗?

明日科技的零基础python的pdf版本里面自带视频讲解里面每章开头又二维码 微信扫描 就可一边看视频一边看书

userid_scott 发表于 2021-3-15 23:27

fengfei1230 发表于 2021-3-15 22:45

继续加油,我始于开始,终于开始,:wwqwq

jjjzw 发表于 2021-3-15 22:47

fengfei1230 发表于 2021-3-15 22:45
继续加油,我始于开始,终于开始,

谢谢鼓励!

恰巧 发表于 2021-3-15 22:47

刚整完前端代码,就看到你这一堆Python代码,脑瓜疼,

qianshang666 发表于 2021-3-15 22:50

很6呀,继续加油

被遗忘Aue 发表于 2021-3-15 22:52

加油,又一个入坑python

q63575755 发表于 2021-3-15 23:07

加油学习,代码挺清晰的

xiangxiaoyi 发表于 2021-3-15 23:08

请问python有什么好的教学视频吗?

RayLee52 发表于 2021-3-15 23:10

围观学习一下

ogoder 发表于 2021-3-15 23:14

小白来学习,支持你
页: [1] 2 3 4 5
查看完整版本: 初学python爬虫-下载网络小说