使用 python3.x爬取《唐砖》全本txt小说

　

唐砖txt下载

最近有部很火的网剧《唐砖》，虽说编剧改了很多地方，但是单单从电视剧的角度来讲，还是很不错的，也看出了剧组和演员的用心，给一个大大的赞；于是今天心血来潮，想下本原著看看，找了个笔趣看的小说网站，发现没有小说的下载地址，这就尴尬了，所以准备用Python爬一下，生成一个 " 唐砖.txt " 文件传手机上。

1. 爬取博客主页信息，生成一个网页HTML文件 （预热）

import urllib.request;

page = urllib.request.urlopen('https://blog.csdn.net/wu5229485'); 
htmlcode = page.read(); 

pageFile = open('pageCode.html','wb+');  # 以写的方式打开pageCode.html
pageFile.write(htmlcode); # 写入
pageFile.close(); # 关 
print('OK!');

2.安装pip工具

解决方案：https://jingyan.baidu.com/article/ff42efa9d630e5c19e220207.html

3.使用requests获取网页数据

（1）安装requests

pip install requests

中文文档：http://docs.python-requests.org/zh_CN/latest/user/quickstart.html

（2）使用requests获取网页HTML结构数据

import requests

if __name__ == '__main__':
    target = "http://blog.sina.com.cn/riversfrog"
    req = requests.get(target)
    req.encoding = 'utf-8'
print(req.text);

效果预览：

4. 安装beautifulsoup4爬取网页中想要获取的数据

pip install beautifulsoup4

中文文档：https://beautifulsoup.readthedocs.io/zh_CN/latest/

5. 抓取小说网单篇文章

import requests
from bs4 import BeautifulSoup

if __name__ == '__main__':
    target = "https://www.biqukan.com/0_219/53216.html"
    req = requests.get(url=target)
    req.encoding = 'GBK'
    html = req.text
    soup = BeautifulSoup(html,'html.parser')
    content = soup.find(id='content')
    print(content.text.replace('\xa0'*8,'\n\n'))

效果预览：

6. 抓取小说网章节目录和每章的原文链接

import requests
from bs4 import BeautifulSoup

if __name__ == '__main__':
    server = 'https://www.biqukan.com'
    target = 'https://www.biqukan.com/2_2765/'
    req = requests.get(url=target)
    req.encoding = 'GBK'
    html = req.text
    soup = BeautifulSoup(html,'html.parser')
    content = soup.find(class_ = 'listmain')
    soupLink = BeautifulSoup(str(content),'html.parser')
    links = soupLink.find_all('a')
    for link in links:
        print(link.string, server + link.get('href'))

效果预览：

踩坑：

content = soup.find(class_ = 'listmain')
soupLink = BeautifulSoup(content,'html.parser')

报错：

C:\web\python>python t1.py
Traceback (most recent call last):
  File "t1.py", line 12, in <module>
    soupLink = BeautifulSoup(content,'html.parser')
  File "C:\Users\92809\APPData\local\Programs\Python\Python37-32\lib\site-packages\bs4\__init__.py", line 245, in __init__
    markup = markup.read()
TypeERROR: 'NoneType' object is not callable

解决：

soupLink = BeautifulSoup(str(content),'html.parser')

7. 生成小说txt文件

# -*- coding:UTF-8 -*-
from bs4 import BeautifulSoup
import requests, sys

"""
    类说明: 下载 笔趣看网 小说 《 唐砖 》
parameters:
    无
Returns:
    无
Modify:
    2018年11月13日21点57分
""" 

class downloader(object):
    
    """ docstring for downloader """
    def __init__(self):
        super(downloader, self).__init__()
        self.domain = 'https://www.biqukan.com' # 小说下载网的主域名
        self.target = 'https://www.biqukan.com/2_2765/' # 唐砖小说的目录主页
        self.titles = [] # 章节名称
        self.urls = [] # 章节对应的详情链接
        self.nums = 0 # 章节数

    """
        函数说明：get_down_url() 获取下载链接
    """

    def get_down_url(self):
        req = requests.get(url=self.target)
        req.encoding = 'GBK'
        html = req.text
        soup = BeautifulSoup(html,'html.parser')
        content = soup.find(class_ = 'listmain')
        soupLink = BeautifulSoup(str(content),'html.parser')
        links = soupLink.find_all('a')
        self.nums = len(links);
        for link in links:
            self.titles.append(link.string)
            self.urls.append(self.domain + link.get('href'))

    """
        函数说明：get_contents() 获取每章节的内容
    """

    def get_contents(self, target):
        req = requests.get(url=target)
        req.encoding = 'GBK'
        html = req.text
        soup = BeautifulSoup(html,'html.parser')
        content = soup.find(id='content')
        texts = content.text.replace('\xa0'*8,'\n\n')
        return texts

    """
        函数说明： writer() 将爬取到的文章写入txt文件
    """

    def writer(self,name,path,text):
        write_flag = True
        with open(path, 'a', encoding="utf-8") as file :
            file.write(str(name) + '\n')
            file.writelines(text)
            file.write('\n\n')


if __name__ == '__main__':
    dl = downloader()
    dl.get_down_url()
    print('开始下载唐砖……')
    for i in range(dl.nums):
        dl.writer(dl.titles[i],'唐砖.txt',dl.get_contents(dl.urls[i]))
        sys.stdout.write('已经下载：%.3f%%' % float(i/dl.nums) + '\r')
        sys.stdout.flush()
    print('恭喜你，《唐砖》下载完成')

效果预览：

相关阅读

全职高手（蝴蝶蓝）[txt,epub,mobi]电子书下载

全职高手（蝴蝶蓝）[txt,epub,mobi]电子书下载 书籍信息： 书名：全职高手 作者：蝴蝶蓝 书摘： 而本次新秀挑战赛少了许多点到即止的作秀，

IQIYI广告和微博广告更适合宣传小说推广

许多广告客户不知道的信息，我们正在运行以下平台的广告推广此条微博的广告或爱奇艺，但选择的小说，选择广告，我想推动一种新的引进？这些

提供《鬼吹灯》小说系列下载

之前放出了《鬼吹灯》小说现在为了放便看客，提供txt文件给有需要的人下载                          

Python爬虫爬取小说网站

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : Woolei# @File : book136_singleprocess.pyimport requestsimport ti

TXT 转 PDF

引入pom <!--https://mvnrepository.com/artifact/com.itextpdf/itextpdf--> <dependency> <groupId>com.itextpdf</groupI