用python爬整本小说写入txt文件

没太完善，但是可以爬下整本小说。日后会写入数据库，注释不要太在意，都是调试的。入库估计这周之后，这次爬的是笔趣阁的第1150本书，大家只要可以改get_txt（）里数字就行，查到自己要看哪本书一改就可以了！

# coding:utf-8
import requests
import threading
from bs4 import BeautifulSoup
import MySQLdb
import re
import os
import time
import sys
import mysql  # 由于爬取的数据太多，我们要把他存入MySQL数据库中，这个库用于连接数据库
import mysql.connector
import logging

# con = mysql.connector.connect(
#     user="root",
#     password='123456',
#     host='localhost',
#     port='3306',
#     database='test11'
# )
# insertSql = "INSERT INTO spider('id','title','txt_section','section_name','section_name') VALUES (%s,%s,%s,%s,%s)"
# cursor = con.cursor()
req_header = {
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
    'Accept-Encoding': 'gzip, deflate',
    'Accept-Language': 'zh-CN,zh;q=0.8',
    'Cookie': '__cfduid=d577ccecf4016421b5e2375c5b446d74c1499765327; UM_distinctid=15d30fac6beb80-0bdcc291c89c17-9383666-13c680-15d30fac6bfa28; CNZZDATA1261736110=1277741675-1499763139-null%7C1499763139; tanwanhf_9821=1; Hm_lvt_5ee23c2731c7127c7ad800272fdd85ba=1499612614,1499672399,1499761334,1499765328; Hm_lpvt_5ee23c2731c7127c7ad800272fdd85ba=1499765328; tanwanpf_9817=1; bdshare_firstime=1499765328088',
    'Host': 'www.qu.la',
    'Proxy-Connection': 'keep-alive',
    'Referer': 'http://www.qu.la/book/',
    'Upgrade-Insecure-Requests': '1',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36'
}

req_url_base = 'http://www.qu.la/book/'  # 小说主地址


# 小说下载函数
# txt_id：小说编号
# txt字典项介绍
# id：小说编号
# title：小说题目
# first_page：第一章页面
# txt_section：章节地址
# section_name：章节名称
# section_text：章节正文
# section_ct：章节页数
def get_txt(txt_id):
    txt = {}
    txt['title'] = ''
    txt['id'] = str(txt_id)
    try:
        # print("请输入需要下载的小说编号：")
        # txt['id']=input()
        req_url = req_url_base + txt['id'] + '/'  # 根据小说编号获取小说URL
        print("小说编号：" + txt['id'])
        res = requests.get(req_url, params=req_header)  # 获取小说目录界面
        soups = BeautifulSoup(res.text, "html.parser")  # soup转化
        # 获取小说题目
        txt['title'] = soups.select('#wrapper .box_con #maininfo #info h1')[0].text
        txt['author'] = soups.select('#wrapper .box_con #maininfo #info p')
        # 获取小说最近更新时间
        txt['update'] = txt['author'][2].text
        # 获取最近更新章节名称
        txt['lately'] = txt['author'][3].text
        # 获取小说作者
        txt['author'] = txt['author'][0].text
        # 获取小说简介
        txt['intro'] = soups.select('#wrapper .box_con #maininfo #intro')[0].text.strip()
        print("编号：" + '{0:0>8}   '.format(txt['id']) + "小说名：《" + txt['title'] + "》  开始下载。")
        print("正在寻找第一章页面。。。")
        # 获取小说所有章节信息
        first_page = soups.select('#wrapper .box_con #list dl dd a')
        # 获取小说总章页面数
        section_ct = len(first_page)
        # 获取小说第一章页面地址
        first_page = first_page[0]['href'].split('/')[3]
        print("小说章节页数：" + str(section_ct))
        print("第一章地址寻找成功：" + first_page)
        # 设置现在下载小说章节页面
        txt_section = first_page
        # 打开小说文件写入小说相关信息
        fo = open('{0:0>8}-{1}.txt.download'.format(txt['id'], txt['title']), "ab+")
        fo.write((txt['title'] + "
").encode('UTF-8'))
        fo.write((txt['author'] + "
").encode('UTF-8'))
        fo.write((txt['update'] + "
").encode('UTF-8'))
        fo.write((txt['lately'] + "
").encode('UTF-8'))
        fo.write(("*******简介*******
").encode('UTF-8'))
        fo.write(("	" + txt['intro'] + "
").encode('UTF-8'))
        fo.write(("******************
").encode('UTF-8'))
        # 进入循环，写入每章内容
        while (1):
            try:
                # 请求当前章节页面
                r = requests.get(req_url + str(txt_section), params=req_header)
                # soup转换
                soup = BeautifulSoup(r.text, "html.parser")
                # 获取章节名称
                section_name = soup.select('#wrapper .content_read .box_con .bookname h1')[0]
                section_text = soup.select('#wrapper .content_read .box_con #content')[0]
                for ss in section_text.select("script"):  # 删除无用项
                    ss.decompose()
                # 获取章节文本
                section_text = re.sub('s+', '
	', section_text.text).strip('
')  #
                # 获取下一章地址
                txt_section = soup.select('#wrapper .content_read .box_con .bottem2 #A3')[0]['href']
                # 判断是否最后一章，当为最后一章时，会跳转至目录地址，最后一章则跳出循环
                if (txt_section == './'):
                    print("编号：" + '{0:0>8}   '.format(txt['id']) + "小说名：《" + txt['title'] + "》 下载完成")
                    break
                # 以二进制写入章节题目
                fo.write(('
' + section_name.text + '
').encode('UTF-8'))
                # 以二进制写入章节内容
                fo.write((section_text).encode('UTF-8'))
                print(txt['title'] + ' 章节：' + section_name.text + '     已下载')
                # print(section_text.text.encode('UTF-8'))
            except:
                print("编号：" + '{0:0>8}   '.format(txt['id']) + "小说名：《" + txt['title'] + "》 章节下载失败，正在重新下载。")
        fo.close()
        os.rename('{0:0>8}-{1}.txt.download'.format(txt['id'], txt['title']),
                  '{0:0>8}-{1}.txt'.format(txt['id'], txt['title']))
        # try:
        #
        #     # cursor.execute("INSERT INTO wangzhi VALUES urlVal")
        #     cursor.execute(insertSql%(id,title,txt_section,section_name,section_name))
        #
        #     con.commit()

        # except Exception as err:
        #
        #     print(err)
        #     # con.rollback()
        #
        # con.close()
        # cursor.close()

    except:  # 出现错误会将错误信息写入dowload.log文件，同时答应出来
        fo_err = open('dowload.log', "ab+")
        try:
            fo_err.write(('[' + time.strftime('%Y-%m-%d %X', time.localtime()) + "]：编号：" + '{0:0>8}   '.format(
                txt['id']) + "小说名：《" + txt['title'] + "》 下载失败。
").encode('UTF-8'))
            print('[' + time.strftime('%Y-%m-%d %X', time.localtime()) + "]：编号：" + '{0:0>8}   '.format(
                txt['id']) + "小说名：《" + txt['title'] + "》 下载失败。")
            os.rename('{0:0>8}'.format(txt['id']) + '-' + txt['title'] + '.txt.download',
                      '{0:0>8}'.format(txt['id']) + '-' + txt['title'] + '.txt.error')
        except:
            fo_err.write(('[' + time.strftime('%Y-%m-%d %X', time.localtime()) + "]：编号：" + '{0:0>8}   '.format(
                txt['id']) + "下载失败。
").encode('UTF-8'))
            print('[' + time.strftime('%Y-%m-%d %X', time.localtime()) + "]：编号：" + '{0:0>8}   '.format(
                txt['id']) + "下载失败。")
        finally:  # 关闭文件
            fo_err.close()


# 此处为需要下载小说的编号，编号获取方法在上文中已经讲过。
get_txt(1150)