标签：novel python resp 爬虫 num str print 逆天 data
2022-03-06 23:05:11
申明：自我娱乐，对自我学习过程的总结。
正文：
环境：
-
系统：win10，
-
python版本：python3.10.2，
-
工具：pycharm。
项目目标：
-
实现对单本小说的更新判断，省去人工登录浏览器看小说的繁琐操作。
-
如果小说内容更新了，那么自动下载你没看过的小说内容到本地，并保存为txt格式。
-
对项目代码封装成可单独运行在win10上的exe文件。
最终效果：都已实现。可以判断小说更新了没；更新了就下载下来；通过调整小说的已看章节数（就是你上次浏览小说章节位置记录）可以达到直接保存整本小说。
项目实现流程：
1. 主程序
我这里只写了一个main.py，就一个主函数解决了。
# 这个是一个爬取小说的工具
# 内容针对逆天邪神
# 功能1:是判断小说是否更新，如果更新就下载下来
# 功能2:下载整本小说（单线程），一般都是自动下载最新更新的几章，单线程足够。——懒
import requests
import re
from bs4 import BeautifulSoup
import os
if __name__ == '__main__':
novel_url = "https://www.bige3.com/book/1030/" # 逆天邪神
return_value = is_update(novel_url) # 更新章节数
if return_value == 0:
print("小说尚未更新!")
else:
print("小说已更新" + str(return_value) +"章!")
print("正在下载已更新的小说......")
download_novel(return_value)
# os.system("pause") # 调试时注释掉，封装时打开，用于观察结果
2. 功能函数
2.1 功能函数is_update()
def is_update(url):
heards = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36"
}
try:
resp = requests.get(url, headers=heards)
resp.raise_for_status() # 检查Response状态码,若不是200则产生HttpError异常
resp.encoding = 'utf-8'
except:
print("爬取失败")
resp = re.findall(r'<a href =.*?>(.*?)</a>', resp.text)
# print("请求返回的列表中的最后一章是:" + resp[-1])
with open("小说更新记录.txt", "r", encoding='utf-8') as f: # 打开文件
data = f.read() # 读取文件
# print("source_novel_data is:" + str(data))
if data == str(resp[-1]):
# print("===章节一致,小说尚未更新!")
return 0
else:
# print("!==小说更新啦,并将更新值加入到小说更新记录.txt")
data_num = re.findall(r'\d+', data) # list
data_num = ''.join(data_num) # str
resp_num = re.findall(r'\d+', resp[-1])
resp_num = ''.join(resp_num)
gap_num = int(resp_num)-int(data_num) # 更新章节数
with open("小说更新记录.txt", "w", encoding='utf-8') as f: # 打开文件
f.write(str(resp[-1])) # 读取文件
print("writing is ok!")
return gap_num
2.2 功能函数download_novel(return_value)
# 单线程方式
def download_novel(return_value):
if return_value >= 1:
for i in range(1, return_value+1, 1):
print(i)
with open("小说更新记录.txt", "r", encoding='utf-8') as f: # 打开文件
data = f.read() # 读取文件 str
data_num = re.findall(r'\d+', data) # list
data_num = ''.join(data_num) # str
download_num = int(data_num)+1-(i-1)
# print(download_num)
print(novel_url+str(download_num)+'.html')
resp = requests.get(novel_url+str(download_num)+'.html')
# print(resp.content)
soup = BeautifulSoup(resp.text, 'lxml')
soup.select('#chaptercontent')
mytxt = soup.text[soup.text.find('下一章'):soup.text.rfind('『点此报错')]
mytxt = mytxt[3:]
mytxt = mytxt.strip()
mytxt = mytxt.replace(' ', '\n')
novel_save_location = "./novel_downloads/逆天邪神第"+str(download_num-1)+"章.txt"
with open(novel_save_location, "w", encoding='utf-8') as f: # 打开文件
f.write(mytxt)
print("下载完毕!")
else:
print("invalid parameter!")
注意：
-
调试时要创建文件夹
novel_downloads，并标注为Exclusion，防止pycharm自动创建索引，使电脑卡顿。 -
封装后的main.exe要保证它所在的路径下有两个东西：文件夹
novel_downloads和文件小说更新记录.txt。 -
初始阶段保证文件
小说更新记录.txt里有个数字就行，随便啥（1 or 1935等）
全部代码：（直接能爬）
# 这个是一个爬取小说的工具
# 内容针对逆天邪神
# 功能1:是判断小说是否更新，如果更新就下载下来
# 功能2:下载整本小说（单线程），一般都是自动下载最新更新的几章，单线程足够。——懒
import requests
from lxml import etree
import re
from bs4 import BeautifulSoup
import os
def is_update(url):
heards = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36"
}
try:
resp = requests.get(url, headers=heards)
resp.raise_for_status() # 检查Response状态码,若不是200则产生HttpError异常
resp.encoding = 'utf-8'
except:
print("爬取失败")
resp = re.findall(r'<a href =.*?>(.*?)</a>', resp.text)
# print("请求返回的列表中的最后一章是:" + resp[-1])
with open("小说更新记录.txt", "r", encoding='utf-8') as f: # 打开文件
data = f.read() # 读取文件
# print("source_novel_data is:" + str(data))
if data == str(resp[-1]):
# print("===章节一致,小说尚未更新!")
return 0
else:
# print("!==小说更新啦,并将更新值加入到小说更新记录.txt")
data_num = re.findall(r'\d+', data) # list
data_num = ''.join(data_num) # str
resp_num = re.findall(r'\d+', resp[-1])
resp_num = ''.join(resp_num)
gap_num = int(resp_num)-int(data_num) # 更新章节数
with open("小说更新记录.txt", "w", encoding='utf-8') as f: # 打开文件
f.write(str(resp[-1])) # 读取文件
print("writing is ok!")
return gap_num
# 单线程方式
def download_novel(return_value):
if return_value >= 1:
for i in range(1, return_value+1, 1):
print(i)
with open("小说更新记录.txt", "r", encoding='utf-8') as f: # 打开文件
data = f.read() # 读取文件 str
data_num = re.findall(r'\d+', data) # list
data_num = ''.join(data_num) # str
download_num = int(data_num)+1-(i-1)
# print(download_num)
print(novel_url+str(download_num)+'.html')
resp = requests.get(novel_url+str(download_num)+'.html')
# print(resp.content)
soup = BeautifulSoup(resp.text, 'lxml')
soup.select('#chaptercontent')
mytxt = soup.text[soup.text.find('下一章'):soup.text.rfind('『点此报错')]
mytxt = mytxt[3:]
mytxt = mytxt.strip()
mytxt = mytxt.replace(' ', '\n')
novel_save_location = "./novel_downloads/逆天邪神第"+str(download_num-1)+"章.txt"
with open(novel_save_location, "w", encoding='utf-8') as f: # 打开文件
f.write(mytxt)
print("下载完毕!")
else:
print("invalid parameter!")
if __name__ == '__main__':
novel_url = "https://www.bige3.com/book/1030/" # 逆天邪神
return_value = is_update(novel_url)
if return_value == 0:
print("小说尚未更新!")
else:
print("小说已更新" + str(return_value) +"章!")
print("正在下载已更新的小说......")
download_novel(return_value)
os.system("pause")
缺点：单线程，没有用到异步协程，也没有用线程池实现对小说下载章节数较多时的快速下载优势。之后有空再优化代码，并实现相应的功能。
实现效果：
例如章节是目前是
最新章节为：1936章 灾厄奏鸣 ，我改个数字演示。
不改话，就没有新章节更新：
改后跑起来，应该是
对应的文件夹里是：
打开后内容是：
Over！！！！！
封装问题
步骤：
-
在pycharm项目路径下打开终端输入：
pip install pyinstaller -
cd到项目的.py文件路径下
cd .\study_capture\novel_capture\ -
执行：
pyinstaller -F .\main.py
结果是：
项目中用到的知识点：
这里面可以有些在优化程序时被我给去掉了，嘿嘿
请求网页数据
resp = requests.get(url, headers=heards)
python中list与string的转换
data_num = re.findall(r'\d+', data) # 正则出来的是list
data_num = ''.join(data_num) # str
小说章节数的确认
resp = re.findall(r'<a href =.*?>(.*?)</a>', resp.text)
TXT文本的读取
encoding='utf-8' 是有必要的，不然会报错。
with open("小说更新记录.txt", "r", encoding='utf-8') as f: # 打开文件
data = f.read() # 读取文件
TXT文本的回写
with open("小说更新记录.txt", "w", encoding='utf-8') as f: # 打开文件
f.write(str(resp[-1])) # 读取文件
BS4对HTML进行值的筛选
#表示识别标签
soup = BeautifulSoup(resp.text, 'lxml')
soup.select('#chaptercontent')
取列表元素最后一个
resp[-1]
将列表中的章节数字拿出
data_num = re.findall(r'\d+', data) # list
python特定位置的字符串截取
soup.text str型
find('下一章') 左边开始第一个索引
rfind('『点此报错') 右边开始第一个索引
mytxt = soup.text[soup.text.find('下一章'):soup.text.rfind('『点此报错')]
字符串的拼接：
novel_save_location = "./novel_downloads/逆天邪神第"+str(download_num-1)+"章.txt"
小说保存时：
1.里面有空白，直接用
mytxt = mytxt.strip()
时没有去掉，不知道啥原因。我记得听网课说是：去掉空格，空白，换行符，其他好像都去了，最后还剩小说之间一些空白。
解决方式：因为没有发现是啥符号（notepad++），于是之间将空白拿过来用（copy）。
mytxt=mytxt.replace(' ', '\n')
#目的是:在TXT文本中句子太长，于是我直接在每句话结束后换行。效果还行，与网站对比。
感谢观看！！！第一次写，好慢，好菜，回去写作业去了。呜呜呜
标签：novel,python,resp,爬虫,num,str,print,逆天,data 来源： https://www.cnblogs.com/bluemapleleaf/p/15974104.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。