Python搜索书名获取整本资源_笔趣阁

前言

偶然一天把某项目文档传到手机上，用手机自带的阅读器方便随时拿出来查阅。看着我那好久没点开的阅读器，再看着书架上摆着几本不知道是多久之前导入的小说。

闭上眼，我仿佛看到那时候的自己。侧躺着缩在被窝里，亮度调到最低，看的津津有味。

睁开眼，一声短叹，心中五味杂陈，时间像箭一样飞逝而去，过去静止不动，未来姗姗来迟。

正好最近又重温了下python，准备做一个简单的获取小说txt文件的程序。

 

一、前期准备

1.安装第三方库

win + r 输入cmd

命令行输入

pip install requests

pip install pyquery

嫌麻烦pycharm直接搜索包安装就行

2.感谢---支持

纯属爱好，仅供学习

 

 

---

 

 

二、主要步骤

1.请求网页

老样子，F12进控制台，输入 document.chartset 查看网页编码

​​

代码如下：

# 请求网页 获取网页数据
def GetHTMLText(url: str) -> str:
    res = requests.get(url=url, headers=GetHeader(), proxies=GetProxy())   
    res.encoding = "GBK"
    html: str = res.text
    return html

 

 

2.获取章节目录

测试地址：---

Ctrl + Shift + C ，选择章节目录任意一章

可以发现章节目录class="zjlist"下的<dd>标签内含有每一章节的信息，该章节的url和章节名

 ​​​

 

代码如下：

# 获取章节目录
def GetPageTree(doc: pQ) -> pQ:
    pageTree: pQ = doc('.zjlist dd a')
    return pageTree

 

​

 3.输入转码

GBK转码:aTool在线工具

在搜索框内输入名称，searchkey=，后就是该名称对应的GBK编码

​​​​

将链接后的编码输进进行解码，得到你所输入的文字内容

 ​​​

 

代码如下：

# 输入转码 获取搜索到的书籍链接
def GetSearchUrl(Novel_Name: str) -> str:
    StrToGbk: bytes = Novel_Name.encode("gbk")
    GbkToStr: str = str(StrToGbk)
    Url_input = GbkToStr[2:-1].replace("\\x", "%").upper()
    Url = "---" + "searchtype=articlename&searchkey="
    return Url + Url_input

 

 

4.抓取模式

搜索到小说之后跳转到搜索到的网页，可能会出现两种情况

一种是一次搜索到结果

还有一种是搜索到多种结果，需要对这个网页再做一次解析筛选

判断网页容器的id="info"，是否有这个节点

​​

 

代码如下：

# 抓取模式
def GetModel(doc: pQ) -> bool:
    if doc('#info'):
        return True  # 一次搜索到，不需要筛选
    else:
        return False

 

 

---

 

 

 

三、代码展示

import os
import requests
import time
import re
from random import choice
from pyquery import PyQuery as pQ


# 获取请求头
def GetHeader() -> dict:
    header = [  # 请求头
        {
            "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"
        },
        {
            "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1"
        },
        {
            "User-Agent": "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1"
        },
        {
            "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.101 Safari/537.36"
        },
        {
            "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"
        },
        {
            "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"
        },
        {
            "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.101 Safari/537.36"
        },
        {
            "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"
        },
        {
            "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)"
        },
        {
            "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"
        }
    ]
    return choice(header)


# 获取代理
def GetProxy() -> dict:
    proxies = [  # 代理
        {
            "Https": "60.170.204.30:8060"
        },
        {
            "Https": "103.37.141.69:80"
        },
        {
            "Https": "183.236.232.160:8080"
        },
        {
            "Https": "202.55.5.209:8090"
        },
        {
            "Https": "202.55.5.209:8090"
        }
    ]
    return choice(proxies)


# 输入转码 获取搜索到的书籍链接
def GetSearchUrl(Novel_Name: str) -> str:
    StrToGbk: bytes = Novel_Name.encode("gbk")
    GbkToStr: str = str(StrToGbk)
    Url_input = GbkToStr[2:-1].replace("\\x", "%").upper()
    Url = "---" + "modules/article/search.php?searchtype=articlename&searchkey="
    return Url + Url_input


# 请求网页 获取网页数据
def GetHTMLText(url: str) -> str:
    res = requests.get(url=url, headers=GetHeader(), proxies=GetProxy())
    # Console --- document.charset ---'GBK'
    res.encoding = "GBK"
    html: str = res.text
    return html


# 获取网页解析
def GetParse(url: str) -> pQ:
    text = GetHTMLText(url)
    doc: pQ = pQ(text)
    return doc


# 获取小说名
def GetNovelName(doc: pQ) -> str:
    con = doc('#info')
    novel_name: str = con('h1').text().split(' ')[0]
    return novel_name


# 获取章节目录
def GetPageTree(doc: pQ) -> pQ:
    pageTree: pQ = doc('.zjlist dd a')
    return pageTree


# 提取章节链接跳转后的页面内容 id="content"
def GetNovel(url) -> str:
    doc = GetParse(url)
    con = doc('#content')
    novel: str = con.text()
    return novel


# 获取总页数
def GetPageNums(doc: pQ):
    pageNums = doc('.form-control option')
    return pageNums


# 获取novel主页链接
def GetHomeUrl(doc: pQ) -> str:
    PageNums = GetPageNums(doc)
    for page in PageNums.items():
        if page.text() == "第1页":
            return page.attr('value')


# 抓取模式
def GetModel(doc: pQ) -> bool:
    if doc('#info'):
        return True  # 一次搜索到，不需要筛选
    else:
        return False


# 搜索到结果开始抓取
# Args_url---novel主页链接
# ms---间隔时间，单位：ms
# url_ 主网站
def GetDate_1(Args_url: str, doc: pQ, ms: int, url_: str = "---") -> None:
    NovelName = GetNovelName(doc)
    PageNums = GetPageNums(doc)
    file_path = os.getcwd() + "\\" + NovelName  # 文件存储路径
    setDir(file_path)  # 判断路径是否存在，不存在创建,存在删除
    Seconds: float = ms / 1000.0
    for page in PageNums.items():
        url = url_ + page.attr('value')  # 每一页的链接
        currentPage = page.text()  # 当前页
        doc: pQ = GetParse(url)
        page_tree = GetPageTree(doc)
        for page_Current in page_tree.items():
            page_name: str = page_Current.text()  # 章节名
            page_link = page_Current.attr('href')  # 章节链接
            novel = page_name + "\n\n" + GetNovel(Args_url + page_link) + "\n\n"  # 文章内容
            page_Name = clean_file_name(page_name)  # 处理后的章节名
            download_path = file_path + "\\" + NovelName + ".txt"  # 文件下载路径
            with open(download_path, "a", encoding="utf-8") as f:
                f.write(novel)
                print("正在下载 {}...".format(page_Name))
                time.sleep(Seconds)
                f.close()
            print("{}下载成功\n".format(page_Name))
        print("{}下载完成\n".format(currentPage))
    print("{}下载完成!".format(NovelName))


# 搜索到重复结果，需要进行筛选.匹配成功返回首页的网址
def GetUrl_2(doc: pQ, SearchName: str) -> str:
    con = doc('.odd a').items()
    for Title in con:
        if Title.text() == SearchName:
            url: str = Title.attr('href')
            return url


# 文件处理
def setDir(filepath):
    if not os.path.exists(filepath):  # 如果文件夹不存在就创建
        os.mkdir(filepath)
    else:
        for i in os.listdir(filepath):  # os.listdir(filepath)返回一个列表，里面是当前目录下面的所有东西的相对路径
            file_data = filepath + "\\" + i  # 当前文件夹下文件的绝对路径
            if os.path.isfile(file_data):
                os.remove(file_data)  # 文件存在-删除


# 异常文件名处理
def clean_file_name(filename: str):
    invalid_chars = '[\\\/:*?？"<>|]'
    replace_char = '-'
    return re.sub(invalid_chars, replace_char, filename)


# 保存文件
def SaveFile(url: str, searchName: str):
    doc = GetParse(url)
    url_: str = "---" #懂得都懂
    try:
        if GetModel(doc):
            url = url_ + GetHomeUrl(doc)
            doc = doc
        else:
            url = GetUrl_2(doc, searchName)
            doc = GetParse(url)
        GetDate_1(Args_url=url, doc=doc, ms=100)
    except Exception as result:
        print("{}".format(result))
    finally:
        print("请输入有效书名")


# 输入名字搜索
def main():
    SearchName = input("请输入需要下载的书名：")
    url = GetSearchUrl(SearchName)
    SaveFile(url, SearchName)


if __name__ == "__main__":
    main()

 

 

---

 

 

 

四、运行效果

 

 

 

 

 

---

 

 

 

总结

按名称搜索跟直接拿首页链接原理差不多，只不过多了个筛选的操作

以上就是今天要分享的内容，时间原因还有很多可以优化的地方，后面有时间再改吧……

最后说说自己的一些想法，为什么现在对小说没什么感觉了。

看小说除了让我的鼻梁上戴着的东西越来越厚之外，还让我的作息变得一团糟。我是个管不住自己的人，以前看小说最着迷的时候，除了吃饭睡觉，剩下时间全拿来看小说了。

当然，看小说也并不像我说的那样百害无一利，但是要注意合理安排好自己的时间，劳逸结合。😂