原文来自： https://blog.csdn.net/u012717715/article/details/92811743
本人说明：其实严格地这不是转载，实际上更应该算是原创！原文代码不能正常运行（我推测准确说应该是：原系统是在MAC中开发的，但在win中有若干问题），所以才有本文，但是实际上就算在windows中还是有问题没有完全解决：就是如果保存数据的文件夹和文件已经存在则会有错误发生，所以大家使用时如果碰到请手工删除他们。本来是想发在原文的评论中，但是评论篇幅有限，只能发40行代码！没办法才单独发的
程序的原理那些请看原文
环境：win10 20h2 19042.804,64位简体中文版，python-3.9.2，VScode x64 1.53.2
一、要pip install lxml和pip install requests
二、完整代码修改后如下
# -*- coding:UTF-8 -*-
from bs4 import BeautifulSoup
import requests, sys, threading , os , shutil
"""
类说明:下载《笔趣看》网小说《一念永恒》
Parameters:
无
Returns:
无
Modify:
2017-09-13
"""
class downloader(object):
def __init__(self):
self.server = 'http://www.biqukan.com/'
self.target = 'http://www.biqukan.com/1_1094/'
self.names = [] #存放章节名
self.urls = [] #存放章节链接
self.nums = 0 #章节数
"""
函数说明:获取章节列表以及对应的下载链接列表
Parameters:
无
Returns:
无
Modify:
2017-09-13
"""
def get_download_url(self):
req = requests.get(url = self.target)
html = req.text
div_bf = BeautifulSoup(req.content,'lxml')
div = div_bf.find_all('div', class_ = 'listmain')
a_bf = BeautifulSoup(str(div[0]),'lxml')
a = a_bf.find_all('a')
self.nums = len(a[13:]) #剔除不必要的章节，并统计章节数
for each in a[13:]:
self.names.append(each.string)
self.urls.append(self.server + each.get('href'))
"""
函数说明:获取对应章节的内容
Parameters:
target - 下载连接(string)
Returns:
texts - 章节内容(string)
Modify:
2017-09-13
"""
def get_contents(self, target):
req = requests.get(url = target)
html = req.text
bf = BeautifulSoup(req.content, 'lxml')
texts = bf.find_all('div', class_ = 'showtxt')
texts = texts[0].text.replace('\xa0'*8,'\n\n')
return texts
"""
函数说明:将爬取的文章内容写入文件
Parameters:
name - 章节名称(string)
path - 当前路径下,小说保存名称(string)
text - 章节内容(string)
Returns:
无
Modify:
2017-09-13
"""
def writer(self, name, path, text):
write_flag = True
with open(path, 'a', encoding='utf-8') as f:
'''
f.write(name + '\n')
f.writelines(text)
'''
tmpstr=name+ '\n'+text
f.write(tmpstr)
f.write('\n\n')
class myThread (threading.Thread): #继承父类threading.Thread
def __init__(self, name,temdl,startNum,endNum):
threading.Thread.__init__(self)
self.runlist = list()
self.name = name
self.temdl = temdl
self.startNum = startNum
self.endNum = endNum
def run(self): #把要执行的代码写到run函数里面 线程在创建后会直接运行run函数
print ("Starting " + self.name)
startDownloadTxt(self.temdl,self.startNum,self.endNum)
print ("Exiting " + self.name)
def mkdir(path):
'''
判断路径是否存在
存在 True
不存在 False
'''
isExists=os.path.exists(path)
if not isExists:
os.makedirs(path)
return True
else:
return False
def subFile(path):
#特定目录下的文件列表
docList = os.listdir(path)
# 显示当前文件夹下所有文件并进行排序
'''
key = lambda x:int(x[:-4])
忽略文件名开始到倒数第四个字符为止
docList.remove(i)
删除数组中点开头的系统隐藏文件，因为会影响排序
'''
for i in docList:
if(i[0]=='.'):
docList.remove(i)
break
docList.sort(key = lambda x: int(x[:-4]))
#创建一个以书籍名字命名的文件
fnamepath = path+'/一念永恒.txt'
fname = open(fnamepath, "w", encoding='utf-8')
#打开你之前命名的下载文件
for i in docList:
tempath = path+'/'+i
x = open (tempath, "r", encoding='utf-8') #打开列表中的文件,读取文件内容
fname.write(x.read()) #写入新建的文件中
x.close() #关闭列表文件
fname.close()
#移动最后的完成文件到桌面，在删除download文件夹(windows环境下根据情况自己修改路径)
shutil.move(fnamepath, 'c:/Users/lps/Desktop')
shutil.rmtree(path)
'''
temdl:downloader类
startNum,endNum开始和结束的rang
'''
def startDownloadTxt(temdl,startNum,endNum):
mkdir('download')
for i in range(startNum,endNum):
temPath = './download/'+str(i)+'.txt'
tem=temdl.get_contents(temdl.urls[i])
temdl.writer(temdl.names[i], temPath, temdl.get_contents(temdl.urls[i]))
print(temdl.names[i]+'done')
if __name__ == "__main__":
dl = downloader()
#获取章节列表以及对应的下载链接列表
dl.get_download_url()
print('《一年永恒》开始下载：')
# 创建二十个线程(太多的话，会卡)
threads = []
threadNum = 40
for p in range(threadNum):
threadname = '"Thread'+str(p)
stepNum = dl.nums//threadNum
if(p==threadNum-1):
thread = myThread(threadname,dl,p*stepNum,dl.nums)
else:
thread = myThread(threadname,dl,p*stepNum,(p+1)*stepNum)
threads.append(thread)
try:
# 开启线程
for t in threads:
t.start()
for t in threads:
t.join()
except:
print ("Error: unable to start thread")
subFile('./download')
print('一念永恒下载完成')
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
