[Python知识库]Python一键下载多章文本并保存成TXT

前言

大家早好、午好、晚好吖~

开发环境:

• python 3.8 运行代码

• pycharm 2021.2 辅助敲代码

• requests 发送请求 模块

• parsel 解析数据 模块

实现代码:

1. 发送请求

2. 获取数据

3. 解析数据

4. 保存数据

代码

import requests     # 第三方模块
import re
import parsel
import urllib
import prettytable as pt

源码、教程 点击 蓝色字体 自取 ，我都放在这里了。

keyword = input("请输入你要下载的小说名称:")
keyword = urllib.parse.quote(keyword.encode('gb2312'))

search_html = requests.get(search_url).text
info_list = re.findall('<td class="odd" align="center"><a href="(.*?)">(.*?)</a></td>', search_html)
tb = pt.PrettyTable()
tb.field_names = ['链接', '书名']
tb.add_rows(info_list)
print(tb)
index = eval(input('你要下载第几本小说(从0开始, 自己数):'))
main_url = info_list[index][0]
main_html = requests.get(main_url).text
select = parsel.Selector(main_html)
subUrlList = select.css('.zjlist dd a::attr(href)').getall()
for subUrl in subUrlList:
    url = main_url + subUrl

1. 发送请求

    response = requests.get(url)

解决乱码

# response.encoding = 'gbk'
# response.encoding = response.apparent_encoding

<Response [200]>: 请求成功

2. 获取数据

    html_data = response.text

3. 解析数据

css / xpath / re 方式 / 语法规则

bs4 / lxml / parsel / re 模块…

非结构化的数据 网页源代码 css / xpath / re

结构化数据 json数据 字典键值对方式/re

re: 正则表达式

搜索功能 高级版本

# <div id="content">.*?</div>

    content = re.findall('<div id="content">(.*?)</div>', html_data)[0]
    # <h1>(.*?)</h1>
    title = re.findall('<h1>(.*?)</h1>', html_data)[0]
    print('正在爬取:', title)
    content = content.replace('<br />', '\n').replace('&nbsp;', ' ').replace('全本小说网 www.qb5.tw，最快更新<a href="https://www.qb5.tw/book_991/">完美世界</a>最新章节！<br><br>', '')
    text = title + '\n\n' + content + '\n\n'
    # print(text)

<br />: 换行

 : 空格

最快更新<a href=" 网址 ">完美世界</a>最新章节！<br><br>

4. 保存数据

    with open(f'{info_list[index][1]}.txt', mode='a', encoding='utf-8') as f:
        f.write(text)

效果

文章看不懂，我专门录了对应的视频讲解，本文只是大致展示，完整代码和视频教程点击下方蓝字

点击 蓝色字体 自取，我都放在这里了。

尾语 💝

好了，我的这篇文章写到这里就结束啦！

有更多建议或问题可以评论区或私信我哦！一起加油努力叭(? ?_?)?

喜欢就关注一下博主，或点赞收藏评论一下我的文章叭！！！