python编程获取《续蜀山剑侠传》目录信息：目录名称和网址

python编程获取《续蜀山剑侠传》目录信息：目录名称和网址

一直很欣赏武侠小说宗师还珠楼主李寿民的扛鼎之作《蜀山剑侠传》，可惜由于种种原因，《蜀山剑侠传》并未写完。这着实令还珠迷们扼腕，也有不少人继写了《蜀山剑侠传》，但是良莠夹杂，其中有一位退休公务员写的《续蜀山剑侠传》相对来说是按照还珠楼主的思路续写的，并且在网上连载了，于是想把它从网上down下来保存为txt文件。顺便练习一下Python编程。

首先要获取目录信息，主要是目录名称和网址。通过分析连载网站的网页源代码，编写Python代码如下：

# -*- coding:UTF-8 -*-import urllib.request, sysimport redef openUrl(url): try: page = urllib.request.urlopen(url, data=None, timeout=5) except urllib.error.HTTPError as e: print(e.code) print(e.reason) return '' except urllib.error.URLError as e: print(e.reason) return '' else: html = page.read().decode('utf-8') return htmldef getList(html, tag): i = html.find(tag) if i == -1: print ('没有找到' + tag) return '' else: con = html[i+len(tag):] #print ("前30个字符：" + con[:30]) tag = 'ul' tag_pat = r'(?<=<'+ tag + '>).*?(?=)' tag_ex = re.compile(tag_pat, re.M|re.S) con = re.findall(tag_ex, con) #con = html.split('正文') #print (con[0]) return con[0]def printList(list, host): #获取text res = r'(.*?)' t = re.findall(res, list, re.S|re.M) #获取href res_url = r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')" h = re.findall(res_url, list, re.I|re.S|re.M) for i in range(len(t)): print (str(i+1) + '\t' + t[i] + '\t' + host + h[i])def main(): url = ' i = url.index('/', 7) host = url[0 : i] print ('打开' + url) html = openUrl(url) if len(html) > 0: tag = '正文' list = getList(html, tag) printList(list, host)main()

程序运行结果如下：

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。