百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 编程字典 > 正文

Python爬虫学习,批量下载小说网站上的小说

toyiye 2024-06-21 12:40 8 浏览 0 评论

爬虫脚本把这个小说网上的几乎所有小说都下载到了本地,一共27000+本小说,一共40G。

自此,大功告成,打包发了过去。另外说一句,百度云真坑,每次上传数量有限制,分享给朋友文件数量有限制,分享的文件夹大小也有限制,害的我还得整成压缩版才能分享。

下载界面

源码展示:

#coding=utf-8
 2 import urllib
 3 import urllib2
 4 import re
 5 import os
 6 
 7 webroot = 'http://www.xuanshu.com'
 8 
 9 for page in range(20,220):
10 print '正在下载第'+str(page)+'页小说'
11 
12 url = 'http://www.xuanshu.com/soft/sort02/index_'+str(page)+'.html'
13 headers = {'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6' }
14 try:
15 request = urllib2.Request(url,headers=headers)
16 response = urllib2.urlopen(request,timeout=180)
17 #print response.read()
18 except urllib2.URLError, e:
19 if hasattr(e,"code"):
20 print e.code
21 if hasattr(e,"reason"):
22 print e.reason
23 
24 html = response.read().decode('utf-8')
25 #print html
26 pattern = re.compile(u'<li>.*?<div class="s">.*?target="_blank">(.*?)</a><br />大小:(.*?)<br>.*?</em><br>更新:(.*?)</div>.*?<a href="(.*?)"><img.*?>(.*?)</a>.*?<div class="u">(.*?)</div>',re.S)
27 items = re.findall(pattern,html)
28 #print items
29 
30 for item in items:
31 try:
32 book_auther = item[0].encode('gbk')
33 book_size = item[1].encode('gbk')
34 book_updatetime = item[2].encode('gbk')
35 book_link = item[3].encode('gbk')
36 book_name = item[4].encode('gbk')
37 book_note = item[5].encode('gbk')
38 
39 book_full_link = webroot + book_link # 构建书的绝对地址
40 
41 #请求地址
42 try:
43 request = urllib2.Request(book_full_link,headers=headers)
44 response = urllib2.urlopen(request,timeout=180)
45 except urllib2.URLError, e:
46 if hasattr(e,"code"):
47 print e.code
48 if hasattr(e,"reason"):
49 print e.reason
50 html = response.read().decode('utf-8')
51 #print html
52 pattern = re.compile('<a class="downButton.*?<a class="downButton" href=\'(.*?)\'.*?Txt.*?</a>',re.S)
53 down_link = re.findall(pattern,html)
54 print book_name
55 print down_link
56 
57 # down txt
58 try:
59 request = urllib2.Request(down_link[0].encode('utf-8'),headers=headers)
60 response = urllib2.urlopen(request,timeout=180)
61 except urllib2.URLError, e:
62 if hasattr(e,"code"):
63 print e.code
64 if hasattr(e,"reason"):
65 print e.reason
66 try:
67 fp = open(book_name+'.txt','w')
68 except IOError,e:
69 pattern = re.compile('<strong>.*?>(.*?)<.*?</strong>',re.S)
70 book_name = re.findall(pattern,book_name)
71 fp = open(book_name[0]+'.txt','w')
72 print 'start download'
73 fp.write(response.read())
74 print 'down finish\n'
75 fp.close()
76 except Exception,e:
77 print '该条目解析出现错误,忽略'
78 print e
79 print ''
80 fp = open('error.log','a')
81 fp.write('page:'+str(page)+'\n')
82 fp.write(item[4].encode('gbk'))
83 #fp.write(e)
84 fp.write('\nThere is an error in parsing process.\n\n')
85 fp.close()

ps:在学习python过程有不懂的,需要python教程,电子书籍,开发工具等,可以关注我头条号,私信我”python资料”几个字 免费领取,24小时在线!

相关推荐

为何越来越多的编程语言使用JSON(为什么编程)

JSON是JavascriptObjectNotation的缩写,意思是Javascript对象表示法,是一种易于人类阅读和对编程友好的文本数据传递方法,是JavaScript语言规范定义的一个子...

何时在数据库中使用 JSON(数据库用json格式存储)

在本文中,您将了解何时应考虑将JSON数据类型添加到表中以及何时应避免使用它们。每天?分享?最新?软件?开发?,Devops,敏捷?,测试?以及?项目?管理?最新?,最热门?的?文章?,每天?花?...

MySQL 从零开始:05 数据类型(mysql数据类型有哪些,并举例)

前面的讲解中已经接触到了表的创建,表的创建是对字段的声明,比如:上述语句声明了字段的名称、类型、所占空间、默认值和是否可以为空等信息。其中的int、varchar、char和decimal都...

JSON对象花样进阶(json格式对象)

一、引言在现代Web开发中,JSON(JavaScriptObjectNotation)已经成为数据交换的标准格式。无论是从前端向后端发送数据,还是从后端接收数据,JSON都是不可或缺的一部分。...

深入理解 JSON 和 Form-data(json和formdata提交区别)

在讨论现代网络开发与API设计的语境下,理解客户端和服务器间如何有效且可靠地交换数据变得尤为关键。这里,特别值得关注的是两种主流数据格式:...

JSON 语法(json 语法 priority)

JSON语法是JavaScript语法的子集。JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔花括号保存对象方括号保存数组JS...

JSON语法详解(json的语法规则)

JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔大括号保存对象中括号保存数组注意:json的key是字符串,且必须是双引号,不能是单引号...

MySQL JSON数据类型操作(mysql的json)

概述mysql自5.7.8版本开始,就支持了json结构的数据存储和查询,这表明了mysql也在不断的学习和增加nosql数据库的有点。但mysql毕竟是关系型数据库,在处理json这种非结构化的数据...

JSON的数据模式(json数据格式示例)

像XML模式一样,JSON数据格式也有Schema,这是一个基于JSON格式的规范。JSON模式也以JSON格式编写。它用于验证JSON数据。JSON模式示例以下代码显示了基本的JSON模式。{"...

前端学习——JSON格式详解(后端json格式)

JSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于JavaScriptProgrammingLa...

什么是 JSON:详解 JSON 及其优势(什么叫json)

现在程序员还有谁不知道JSON吗?无论对于前端还是后端,JSON都是一种常见的数据格式。那么JSON到底是什么呢?JSON的定义...

PostgreSQL JSON 类型:处理结构化数据

PostgreSQL提供JSON类型,以存储结构化数据。JSON是一种开放的数据格式,可用于存储各种类型的值。什么是JSON类型?JSON类型表示JSON(JavaScriptO...

JavaScript:JSON、三种包装类(javascript 包)

JOSN:我们希望可以将一个对象在不同的语言中进行传递,以达到通信的目的,最佳方式就是将一个对象转换为字符串的形式JSON(JavaScriptObjectNotation)-JS的对象表示法...

Python数据分析 只要1分钟 教你玩转JSON 全程干货

Json简介:Json,全名JavaScriptObjectNotation,JSON(JavaScriptObjectNotation(记号、标记))是一种轻量级的数据交换格式。它基于J...

比较一下JSON与XML两种数据格式?(json和xml哪个好)

JSON(JavaScriptObjectNotation)和XML(eXtensibleMarkupLanguage)是在日常开发中比较常用的两种数据格式,它们主要的作用就是用来进行数据的传...

取消回复欢迎 发表评论:

请填写验证码