對于廣大書蟲而言，沒有小說看是最痛苦的，你身邊有這樣的人嗎？

今天咱們分享一個小說下載器代碼，打包成exe后，發給你的小伙伴也能直接使用…

思路流程

什么是爬蟲?

按照一定的規則, 去采集互聯網上面資料

爬蟲可以做什么?

采集資料: 定制化采集資料
自動化腳本：自動點贊/評論/刷票/商品搶購腳本/自動發送彈幕

爬蟲基本實作思路?

一、資料來源分析

明確需求:
- 采集的網站是什么?
https://www.biqudu.net/1_1631/3047505.html
- 采集的資料是什么?
標題/內容
分析標題/內容是從哪里來的
通過瀏覽器自帶工具: 開發者工具抓包分析
- 打開開發者工具: F12 / 滑鼠右鍵點擊檢查選擇network
- 重繪網頁
- 搜索資料, 找到資料包
https://www.biqudu.net/1_1631/3047505.html

二. 代碼實作步驟

發送請求, 模擬瀏覽器對于url地址發送請求
請求鏈接: https://www.biqudu.net/1_1631/3047505.html
獲取資料, 獲取服務器回傳回應資料內容
開發者工具: response
決議資料, 提取我們想要的資料內容
標題/內容
保存資料, 把資料保存本地檔案

代碼實作

在開始之前，為了防止大家代碼看不懂，我特地錄制了一套詳細教程，教程和代碼，直接加這個裙 708525271 自取就好了

一、單張小說下載

發送請求, 模擬瀏覽器對于url地址發送請求
獲取資料, 獲取服務器回傳回應資料內容

import requests
# 請求鏈接
url = 'https://www.biqudu.net/1_1631/3047505.html'
# 模擬瀏覽器 headers 請求頭
headers = {
    # user-agent 用戶代理 表示瀏覽器基本身份資訊
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
}
# 發送請求
response = requests.get(url=url, headers=headers)
# <Response [200]> 回應物件, 表示請求成功
print(response)

print(response.text)

決議資料，提取我們想要的資料內容，

import requests  # 資料請求
import re  # 正則
import parsel # 資料決議

# 請求鏈接
url = 'https://www.biqudu.net/1_1631/3047505.html'
# 模擬瀏覽器 headers 請求頭
headers = {
    # user-agent 用戶代理 表示瀏覽器基本身份資訊
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
}
# 發送請求
response = requests.get(url=url, headers=headers)
# <Response [200]> 回應物件, 表示請求成功
print(response)

# 獲取下來response.text <html字串資料>, 轉成可決議物件
selector = parsel.Selector(response.text)
# 提取標題
title = selector.xpath('//*[@]/h1/text()').get()
# 提取內容
content = '\n'.join(selector.xpath('//*[@id="content"]/text()').getall())
print(title)
print(content)

保存資料

# 資料請求模塊 
import requests
# 正則運算式模塊
import re
# 資料決議模塊
import parsel
 
# 請求鏈接
url = 'https://www.biqudu.net/1_1631/3047505.html'
# 模擬瀏覽器 headers 請求頭
headers = {
    # user-agent 用戶代理 表示瀏覽器基本身份資訊
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
}
# 發送請求
response = requests.get(url=url, headers=headers)
# <Response [200]> 回應物件, 表示請求成功
print(response)

# 獲取下來response.text <html字串資料>, 轉成可決議物件
selector = parsel.Selector(response.text)
# 提取標題
title = selector.xpath('//*[@]/h1/text()').get()
# 提取內容
content = '\n'.join(selector.xpath('//*[@id="content"]/text()').getall())
print(title)
print(content)
# title <檔案名> '.txt' 檔案格式  a 追加保存 encoding 編碼格式 as 重命名
with open(title + '.txt', mode='a', encoding='utf-8') as f:

    # 寫入內容
    f.write(title)
    f.write('\n')
    f.write(content)
    f.write('\n')

二、整本小說下載

# 資料請求模塊
import requests
# 正則運算式模塊
import re
# 資料決議模塊
import parsel
# 檔案操作模塊
import os
 
# 請求鏈接: 小說目錄頁
list_url = 'https://www.biqudu.net/1_1631/'
# 模擬瀏覽器 headers 請求頭
headers = {
    # user-agent 用戶代理 表示瀏覽器基本身份資訊
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
}
# 發送請求
html_data = https://www.cnblogs.com/hahaa/archive/2023/02/17/requests.get(url=list_url, headers=headers).text
# 提取小說名字
name = re.findall('<h1>(.*?)</h1>', html_data)[0]
# 自動創建一個檔案夾
file = f'{name}\\'
if not os.path.exists(file):
    os.mkdir(file)
 
# 提取章節url
url_list = re.findall('<dd> <a style="" href="https://www.cnblogs.com/hahaa/archive/2023/02/17/(.*?)">', html_data)
# for回圈遍歷
for url in url_list:
    index_url = 'https://www.biqudu.net' + url
    print(index_url)

    headers = {
        # user-agent 用戶代理 表示瀏覽器基本身份資訊
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
    }
    # 發送請求
    response = requests.get(url=index_url, headers=headers)
    # <Response [200]> 回應物件, 表示請求成功
    print(response)

    # 獲取下來response.text <html字串資料>, 轉成可決議物件
    selector = parsel.Selector(response.text)
    # 提取標題
    title = selector.xpath('//*[@]/h1/text()').get()
    # 提取內容
    content = '\n'.join(selector.xpath('//*[@id="content"]/text()').getall())
    print(title)
    # print(content)
    # title <檔案名> '.txt' 檔案格式  a 追加保存 encoding 編碼格式 as 重命名
    with open(file + title + '.txt', mode='a', encoding='utf-8') as f:

        # 寫入內容
        f.write(title)
        f.write('\n')
        f.write(content)
        f.write('\n')

三、多執行緒采集

# 資料請求模塊
import requests
# 正則運算式模塊
import re
# 資料決議模塊
import parsel
# 檔案操作模塊
import os
# 執行緒池
import concurrent.futures
 
 
def get_response(html_url):
    """
    發送請求函式
    :param html_url: 請求鏈接
    :return: response回應物件
    """
    # 模擬瀏覽器 headers 請求頭
    headers = {
        # user-agent 用戶代理 表示瀏覽器基本身份資訊
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
    }
    response = requests.get(url=html_url, headers=headers)
    return response
 
 
def get_list_url(html_url):
    """
    獲取章節url/小說名
    :param html_url: 小說目錄頁
    :return:
    """
    # 呼叫發送請求函式
    html_data =https://www.cnblogs.com/hahaa/archive/2023/02/17/ get_response(html_url).text
    # 提取小說名字
    name = re.findall('<h1>(.*?)</h1>', html_data)[0]
    # 提取章節url
    url_list = re.findall('<dd> <a style="" href="https://www.cnblogs.com/hahaa/archive/2023/02/17/(.*?)">', html_data)
    return name, url_list
 
 
def get_content(html_url):
    """
    獲取小說內容/小說標題
    :param html_url: 小說章節url
    :return:
    """
    # 呼叫發送請求函式
    html_data =https://www.cnblogs.com/hahaa/archive/2023/02/17/ get_response(html_url).text
    # 提取標題
    title = re.findall('<h1>(.*?)</h1>', html_data)[0]
    # 提取內容
    content = re.findall('<div id="content">(.*?)<p>', html_data, re.S)[0].replace('<br/><br/>', '\n')
    return title, content
 
 
def save(name, title, content):
    """
    保存資料函式
    :param name: 小說名
    :param title: 章節名
    :param content: 內容
    :return:
    """
    # 自動創建一個檔案夾
    file = f'{name}\\'
    if not os.path.exists(file):
        os.mkdir(file)
    with open(file + title + '.txt', mode='a', encoding='utf-8') as f:
        """
        第一章 標題
            小說內容
        第二章 標題
            小說內容
        """
        # 寫入內容
        f.write(title)
        f.write('\n')
        f.write(content)
        f.write('\n')
    print(title, '已經保存')
 
 
def main(home_url):
    # index_url = 'https://www.biqudu.net' + url
    title, content = get_content(html_url=home_url)
    save(name, title, content)
 
 
if __name__ == '__main__':
    url = 'https://www.biqudu.net/1_1631/'
    name, url_list = get_list_url(html_url=url)
    exe = concurrent.futures.ThreadPoolExecutor(max_workers=7)
    for url in url_list:
        index_url = 'https://www.biqudu.net' + url
        exe.submit(main, index_url)
    exe.shutdown()

四、采集排行榜所有小說

# 資料請求模塊
import requests
# 正則運算式模塊
import re
# 資料決議模塊
import parsel
# 檔案操作模塊
import os
 
 
 
def get_response(html_url):
    """
    發送請求函式
    :param html_url: 請求鏈接
    :return: response回應物件
    """
    # 模擬瀏覽器 headers 請求頭
    headers = {
        # user-agent 用戶代理 表示瀏覽器基本身份資訊
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
    }
    response = requests.get(url=html_url, headers=headers)
    return response
 
 
def get_list_url(html_url):
    """
    獲取章節url/小說名
    :param html_url: 小說目錄頁
    :return:
    """
    # 呼叫發送請求函式
    html_data =https://www.cnblogs.com/hahaa/archive/2023/02/17/ get_response(html_url).text
    # 提取小說名字
    name = re.findall('<h1>(.*?)</h1>', html_data)[0]
    # 提取章節url
    url_list = re.findall('<dd> <a style="" href="https://www.cnblogs.com/hahaa/archive/2023/02/17/(.*?)">', html_data)
    return name, url_list
 
 
def get_content(html_url):
    """
    獲取小說內容/小說標題
    :param html_url: 小說章節url
    :return:
    """
    # 呼叫發送請求函式
    html_data =https://www.cnblogs.com/hahaa/archive/2023/02/17/ get_response(html_url).text
    # 提取標題
    title = re.findall('<h1>(.*?)</h1>', html_data)[0]
    # 提取內容
    content = re.findall('<div id="content">(.*?)<p>', html_data, re.S)[0].replace('<br/><br/>', '\n')
    return title, content
 
 
def save(name, title, content):
    """
    保存資料函式
    :param name: 小說名
    :param title: 章節名
    :param content: 內容
    :return:
    """
    # 自動創建一個檔案夾
    file = f'{name}\\'
    if not os.path.exists(file):
        os.mkdir(file)
    with open(file + title + '.txt', mode='a', encoding='utf-8') as f:
        """
        第一章 標題
            小說內容
        第二章 標題
            小說內容
        """
        # 寫入內容
        f.write(title)
        f.write('\n')
        f.write(content)
        f.write('\n')
    print(title, '已經保存')
 
def get_novel_id(html_url):
    """
    獲取小說ID
    :param html_url: 某分類的鏈接
    :return:
    """
    # 呼叫發送請求函式
    novel_data = https://www.cnblogs.com/hahaa/archive/2023/02/17/get_response(html_url=html_url).text
    selector = parsel.Selector(novel_data)
    href = selector.css('.l .s2 a::attr(href)').getall()
    href = [i.replace('/', '') for i in href]
    return href
 
 
def main(home_url):
    href = get_novel_id(html_url=home_url)
    for novel_id in href:
        novel_url = f'https://www.biqudu.net/{novel_id}/'
        name, url_list = get_list_url(html_url=novel_url)
        print(name, url_list)
        for url in url_list:
            index_url = 'https://www.biqudu.net' + url
            title, content = get_content(html_url=index_url)
            save(name, title, content)
        break
 
 
if __name__ == '__main__':
    html_url = 'https://www.biqudu.net/biquge_1/'
    main(html_url)

五、搜索小說功能

模塊

# 匯入資料請求模塊
import requests
# 匯入正則運算式模塊
import re
# 匯入資料決議模塊
import parsel
# 匯入檔案操作模塊
import os
# 匯入漂亮的表格
import prettytable as pt

發送請求函式

def get_response(html_url):
    # 模擬瀏覽器 headers 請求頭
    headers = {
        # user-agent 用戶代理 表示瀏覽器基本身份資訊
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
    }
    response = requests.get(url=html_url, headers=headers)
    return response

獲取章節url/小說名

def get_list_url(html_url):
    # 呼叫發送請求函式
    html_data =https://www.cnblogs.com/hahaa/archive/2023/02/17/ get_response(html_url).text
    # 提取小說名字
    name = re.findall('<h1>(.*?)</h1>', html_data)[0]
    # 提取章節url
    url_list = re.findall('<dd> <a style="" href="https://www.cnblogs.com/hahaa/archive/2023/02/17/(.*?)">', html_data)
    return name, url_list

獲取小說內容/小說標題

def get_content(html_url):
    # 呼叫發送請求函式
    html_data =https://www.cnblogs.com/hahaa/archive/2023/02/17/ get_response(html_url).text
    # 提取標題
    title = re.findall('<h1>(.*?)</h1>', html_data)[0]
    # 提取內容
    content = re.findall('<div id="content">(.*?)<p>', html_data, re.S)[0].replace('<br/><br/>', '\n')
    return title, content

保存資料函式

def save(name, title, content):
    # 自動創建一個檔案夾
    file = f'{name}\\'
    if not os.path.exists(file):
        os.mkdir(file)
    with open(file + name + '.txt', mode='a', encoding='utf-8') as f:
        # 寫入內容
        f.write(title)
        f.write('\n')
        f.write(content)
        f.write('\n')
    print(title, '已經保存')

獲取小說ID

def get_novel_id(html_url):
    # 呼叫發送請求函式
    novel_data = https://www.cnblogs.com/hahaa/archive/2023/02/17/get_response(html_url=html_url).text
    selector = parsel.Selector(novel_data)
    href = selector.css('.l .s2 a::attr(href)').getall()
    href = [i.replace('/', '') for i in href]
    return href

搜索功能

def search(word):
    search_url = f'https://www.biqudu.net/searchbook.php?keyword={word}'
    # 發送請求
    search_data = https://www.cnblogs.com/hahaa/archive/2023/02/17/get_response(html_url=search_url).text
    # 決議資料, 提取小說名字/作者/小說ID
    selector = parsel.Selector(search_data)
    lis = selector.css('.novelslist2 li')
    novel_info = []
    tb = pt.PrettyTable()
    tb.field_names = ['序號', '書名', '作者', '書ID']
    num = 0
    for li in lis[1:]:
        # 小說名字
        name = li.css('.s2 a::text').get()
        novel_id = li.css('.s2 a::attr(href)').get().replace('/', '')
        writer = li.css('.s4::text').get()
        dit = {
            'name': name,
            'writer': writer,
            'novel_id': novel_id,
        }
        tb.add_row([num, name, writer, novel_id])
        num += 1
        novel_info.append(dit)
    print('你搜索的結果如下:')
    print(tb)
    novel_num = input('請輸入你想要下載的小說序號: ')
    novel_id = novel_info[int(novel_num)]['novel_id']
    return novel_id

主函式

def main(word):
    novel_id = search(word)
    novel_url = f'https://www.biqudu.net/{novel_id}/'
    name, url_list = get_list_url(html_url=novel_url)
    print(name, url_list)
    for url in url_list:
        index_url = 'https://www.biqudu.net' + url
        title, content = get_content(html_url=index_url)
        save(name, title, content)
        
if __name__ == '__main__':
    word = input('請輸入你搜索小說名: ')
    main(word)

效果展示

六、GUI界面

import tkinter as tk
from tkinter import ttk
 
 
 
def show():
    name = name_va.get()
    print('輸入的名字是:', name)
 
def download():
    name = num_va.get()
    print('輸入的序號:', name)
 
 
# 創建界面
root = tk.Tk()
# 設定標題
root.title('完整代碼添加VX：pytho8987')
# 設定界面大小
root.geometry('500x500+200+200')
# 設定可變變數
name_va = tk.StringVar()
# 設定標簽
search_frame = tk.Frame(root)
search_frame.pack(pady=10)
# 設定文本
tk.Label(search_frame, text='書名 作者', font=('微軟雅黑', 15)).pack(side=tk.LEFT, padx=10)
# 設定輸入框
tk.Entry(search_frame, relief='flat', textvariable=name_va).pack(side=tk.LEFT)
 
# 序號獲取
num_va = tk.StringVar()
# 查詢下載輸入框
download_frame = tk.Frame(root)
download_frame.pack(pady=10)
# 設定文本
tk.Label(download_frame, text='小說 序號', font=('微軟雅黑', 15)).pack(side=tk.LEFT, padx=10)
# 設定輸入框
tk.Entry(download_frame, relief='flat', textvariable=num_va).pack(side=tk.LEFT)
 
# 按鈕設定
button_frame = tk.Frame(root)
button_frame.pack(pady=10)
 
# 設定查詢按鈕
tk.Button(button_frame, text='查詢', font=('微軟雅黑', 10), relief='flat', bg='#88e2d6', width=10, command=show).pack(side=tk.LEFT, padx=10)
# 設定下載按鈕
tk.Button(button_frame, text='下載', font=('微軟雅黑', 10), relief='flat', bg='#88e2d6', width=10, command=download).pack(side=tk.LEFT, padx=10)
 
# 提前設定標簽名字和中文顯示內容
columns = ('num', 'writer', 'name', 'novel_id')
columns_value = ('序號', '作者', '書名', '書ID')
tree_view = ttk.Treeview(root, height=18, show='headings', columns=columns)
# 設定列名
# 設定列名
tree_view.column('num', width=40, anchor='center')
tree_view.column('writer', width=40, anchor='center')
tree_view.column('name', width=40, anchor='center')
tree_view.column('novel_id', width=40, anchor='center')
# 給列名設定顯示的名字
tree_view.heading('num', text='序號')
tree_view.heading('writer', text='作者')
tree_view.heading('name', text='書名')
tree_view.heading('novel_id', text='書ID')
tree_view.pack(side=tk.LEFT, fill=tk.BOTH, expand=True)
# 展示界面
root.mainloop()

效果展示

最后

全部實作以后，我們可以使用 Pyinstaller 模塊將代碼打包為exe可執行軟體，這樣的話，就能分享給不會的小伙伴去使用了，

好了，今天的分享就到這里結束了，歡迎大家品鑒！下次見！

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/544191.html

標籤：其他

上一篇：Flink CDC 監聽 Postgresql表的變化

下一篇：day12-SpringMVC檔案上傳

用Python做一個小說下載器，從獲取資料到撰寫GUI界面