看网络小说一般会攒上一波，然后导入Kindle里面去看，但是攒的多了，机械的Ctrl+C和Ctrl+V实在是OUT，所以就出现了此文。
其实Python我也是小白，用它的目的主要是它强大文本处理能力和网络支持，以及许多好用的库，不需要自己造轮子。而且真心比C方便啊（真是用了才知道）
分析要获取的网页
我要获取的主要是3个东西：
- 文章的标题。<div id="title">正文 第一章 北灵院</div>
- 文章正文内容。<div id="content" style="line-height: 150%; color: rgb(0, 0, 0);">
- 下一章的URL。<a href="11455541.html" rel="external nofollow" >下一页</a>
还有就是注意网页的编码，这个网页的编码是GBK，但在实际运行过程中，我用GBK会出现网页解码错误:
UnicodeDecodeError: ‘gbk' codec can't decode bytes in position 2-3: illegal multibyte sequence
所以换用了gb18030，问题就解决了，因为一般修仙网络小说中，会出现各种王霸之气的文字，你们懂得，所以需要更加牛逼文字库，你们感受一下博大精深的字符编码。
源代码
我就知道，大家要这个，哈哈哈。
主函数
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
#主函数if __name__ == '__main__': global numChapter global NOVERL NOVERL = '大主宰.txt' #NOVERL = '择天记.txt' NOVERL = '武动乾坤.txt' if(NOVERL == '大主宰.txt'): textStartURL = 'http://www.bxwx8.org/b/62/62724/11455540.html';#大主宰第一章的URL textStartURL = 'http://www.bxwx8.org/b/62/62724/28019405.html';#第一千两百三十七章 鬼大师 else: textStartURL = 'http://www.bxwx8.org/b/98/98289/17069215.html';#择天记第一章URL textStartURL = 'http://www.bxwx8.org/b/98/98289/28088874.html';#择天记第七十八章 合剑术 textStartURL = 'http://www.bxwx8.org/b/35/35282/5839471.html';#武动乾坤第一章 #textStartURL = 'http://www.bxwx8.org/b/35/35282/7620539.html';#武动乾坤 nextURL = textStartURL; isEnd = False f = open(NOVERL, 'w', encoding='utf-8') f.close() numChapter = 0; while(not isEnd): nextURL,isEnd = findNextTextURL(nextURL) print('end of capture!') print('获取到 ' + str(numChapter) + ' 章') |
获取内容和下一章URL
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
|
#找到 下一章节的URL#获取小说内容def findNextTextURL(url): global numChapter global NOVERL #如果nextURL == endURL 则返回false if(NOVERL == '大主宰.txt'): endURL = 'http://www.bxwx8.org/b/62/62724/index.html'#大主宰 headURL = 'http://www.bxwx8.org/b/62/62724/'#大主宰 else: endURL = 'http://www.bxwx8.org/b/98/98289/index.html'#择天记 headURL = 'http://www.bxwx8.org/b/98/98289/'#择天记 endURL = 'http://www.bxwx8.org/b/35/35282/index.html'#武动乾坤 headURL = 'http://www.bxwx8.org/b/35/35282/'#武动乾坤 isEnd = False resp = urllib.request.urlopen(url) #处理的字符的确是gbk的，但是其中夹杂的部分特殊字符， #是gbk编码中所没有的如果有些特殊字符是GB18030中有的，但是是gbk中没有的。 #则用gbk去解码，去所不支持的字符，也比如会出错。 #所以，此种情况，可以尝试用和当前编码（gbk）所兼容的但所包含字符更多的编码（gb18030）去解码，或许就可以了。 #allHtml = resp.read().decode('gbk')# allHtml = resp.read().decode('gb18030')# textSoup = BeautifulSoup(allHtml) #章节名 strChapter = textSoup.find(id='title').getText().split(r'【')[0] strChapter = strChapter.split(r'（')[0] strChapter = strChapter.replace('正文 ','') + '\n' numChapter = numChapter + 1 strID = '#' + str(numChapter) + '-' strChapter = strID + strChapter strChapter = strChapter + '\n------------------------------\n' + url + '\n------------------------------\n' #小说正文 strNovel = textSoup.find(id='content').getText() strNovel = strNovel.replace(' ','\n') #除去正文中多余的第XXX章 strMatch = r"第[\u4e00-\u9fa5]+章" list2replace = re.findall(strMatch, strNovel) if list2replace: str2replace = list2replace[0] strNovel = strNovel.replace(str2replace, '') #合并章节和正文 strNovel = strChapter + strNovel + '\n------------------------------\n------------------------------\n' #写到txt文件中 write2TXT(strNovel) #获取下一个章节的URL nextURL = re.findall(r'var next_page = "[\w]+.html"', allHtml)[0] nextURL = nextURL.replace(r'"', '') nextURL = nextURL.replace(r'var next_page = ', '') nextURL = headURL + nextURL print(numChapter)#章节数 print(strChapter)#章节名字 print((nextURL))#下一章URL if(endURL == nextURL): isEnd = True return nextURL,isEnd |
写入TXT
|
1
2
3
4
5
6
7
|
#写到文本文件中def write2TXT(txt): global NOVERL f = open(NOVERL, 'a', encoding='utf-8') f.write(txt + '\n\n') f.close() |
结束语
三个说明：
- txt文本的编排肯定不好，而且在Kindle里面无法自动分章，多看阅读可以，原生系统就GG了，所以下一步可以用epubBuilder这款软件进行二次编排，输出mobi导入你的Kindle。
- 本程序只是针对这个网站而已，但是如果网站换了，细节性代码就得重新写了。不过大框架还可以用。
- 网络小说毒害有志青年，一入网文深是海，从此节操是路人，诸君且行且珍惜!
总结
以上就是本文关于Python下载网络小说实例代码的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
原文链接：http://blog.csdn.net/humanking7/article/details/51759965
