前言

偶然一天把某專案檔案傳到手機上，用手機自帶的閱讀器方便隨時拿出來查閱，看著我那好久沒點開的閱讀器，再看著書架上擺著幾本不知道是多久之前匯入的小說，

閉上眼，我仿佛看到那時候的自己，側躺著縮在被窩里，亮度調到最低，看的津津有味，

睜開眼，一聲短嘆，心中五味雜陳，時間像箭一樣飛逝而去，過去靜止不動，未來姍姍來遲，

正好最近又重溫了下python，準備做一個簡單的獲取小說txt檔案的程式，

一、前期準備

1.安裝第三方庫

win + r 輸入cmd

命令列輸入

pip install requests

pip install pyquery

嫌麻煩pycharm直接搜索包安裝就行

2.感謝---支持

純屬愛好，僅供學習

二、主要步驟

1.請求網頁

老樣子，F12進控制臺，輸入 document.chartset 查看網頁編碼

??

代碼如下：

1 # 請求網頁 獲取網頁資料
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.獲取章節目錄

測驗地址：---

Ctrl + Shift + C ，選擇章節目錄任意一章

可以發現章節目錄下的<dd>標簽內含有每一章節的資訊，該章節的url和章節名

 ???

代碼如下：

1 # 獲取章節目錄
2 def GetPageTree(doc: pQ) -> pQ:
3     pageTree: pQ = doc('.zjlist dd a')
4     return pageTree

?

 3.輸入轉碼

GBK轉碼:aTool在線工具

在搜索框內輸入名稱，searchkey=，后就是該名稱對應的GBK編碼

????

將鏈接后的編碼輸進進行解碼，得到你所輸入的文字內容

 ???

代碼如下：

1 # 輸入轉碼 獲取搜索到的書籍鏈接
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

搜索到小說之后跳轉到搜索到的網頁，可能會出現兩種情況

一種是一次搜索到結果

還有一種是搜索到多種結果，需要對這個網頁再做一次決議篩選

判斷網頁容器的id="info"，是否有這個節點

??

代碼如下：

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

三、代碼展示

  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 # 獲取請求頭
 10 def GetHeader() -> dict:
 11     header = [  # 請求頭
 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 # 獲取代理
 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 # 輸入轉碼 獲取搜索到的書籍鏈接
 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 # 請求網頁 獲取網頁資料
 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 # 獲取網頁決議
 87 def GetParse(url: str) -> pQ:
 88     text = GetHTMLText(url)
 89     doc: pQ = pQ(text)
 90     return doc
 91 
 92 
 93 # 獲取小說名
 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 # 獲取章節目錄
101 def GetPageTree(doc: pQ) -> pQ:
102     pageTree: pQ = doc('.zjlist dd a')
103     return pageTree
104 
105 
106 # 提取章節鏈接跳轉后的頁面內容 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 # 獲取總頁數
115 def GetPageNums(doc: pQ):
116     pageNums = doc('.form-control option')
117     return pageNums
118 
119 
120 # 獲取novel主頁鏈接
121 def GetHomeUrl(doc: pQ) -> str:
122     PageNums = GetPageNums(doc)
123     for page in PageNums.items():
124         if page.text() == "第1頁":
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，不需要篩選
132     else:
133         return False
134 
135 
136 # 搜索到結果開始抓取
137 # Args_url---novel主頁鏈接
138 # ms---間隔時間，單位：ms
139 # url_ 主網站
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  # 檔案存盤路徑
144     setDir(file_path)  # 判斷路徑是否存在，不存在創建,存在洗掉
145     Seconds: float = ms / 1000.0
146     for page in PageNums.items():
147         url = url_ + page.attr('value')  # 每一頁的鏈接
148         currentPage = page.text()  # 當前頁
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()  # 章節名
153             page_link = page_Current.attr('href')  # 章節鏈接
154             novel = page_name + "\n\n" + GetNovel(Args_url + page_link) + "\n\n"  # 文章內容
155             page_Name = clean_file_name(page_name)  # 處理后的章節名
156             download_path = file_path + "\\" + NovelName + ".txt"  # 檔案下載路徑
157             with open(download_path, "a", encoding="utf-8") as f:
158                 f.write(novel)
159                 print("正在下載 {}...".format(page_Name))
160                 time.sleep(Seconds)
161                 f.close()
162             print("{}下載成功\n".format(page_Name))
163         print("{}下載完成\n".format(currentPage))
164     print("{}下載完成!".format(NovelName))
165 
166 
167 # 搜索到重復結果，需要進行篩選.匹配成功回傳首頁的網址
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 # 檔案處理
177 def setDir(filepath):
178     if not os.path.exists(filepath):  # 如果檔案夾不存在就創建
179         os.mkdir(filepath)
180     else:
181         for i in os.listdir(filepath):  # os.listdir(filepath)回傳一個串列，里面是當前目錄下面的所有東西的相對路徑
182             file_data = https://www.cnblogs.com/H-J-Jay/p/filepath + "\\" + i  # 當前檔案夾下檔案的絕對路徑
183             if os.path.isfile(file_data):
184                 os.remove(file_data)  # 檔案存在-洗掉
185 
186 
187 # 例外檔案名處理
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 # 保存檔案
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("請輸入有效書名")
210 
211 
212 # 輸入名字搜索
213 def main():
214     SearchName = input("請輸入需要下載的書名：")
215     url = GetSearchUrl(SearchName)
216     SaveFile(url, SearchName)
217 
218 
219 if __name__ == "__main__":
220     main()

四、運行效果

總結

按名稱搜索跟直接拿首頁鏈接原理差不多，只不過多了個篩選的操作

以上就是今天要分享的內容，時間原因還有很多可以優化的地方，后面有時間再改吧……

最后說說自己的一些想法，為什么現在對小說沒什么感覺了，

看小說除了讓我的鼻梁上戴著的東西越來越厚之外，還讓我的作息變得一團糟，我是個管不住自己的人，以前看小說最著迷的時候，除了吃飯睡覺，剩下時間全拿來看小說了，

當然，看小說也并不像我說的那樣百害無一利，但是要注意合理安排好自己的時間，勞逸結合，??

標籤：Python

上一篇：d3.v4無法正確顯示詞云

下一篇：Python復合陳述句