温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

如何使用Python3制作一个带GUI界面的小说爬虫工具

发布时间:2022-02-08 09:29:52 来源:亿速云 阅读:228 作者:小新 栏目:开发技术

这篇文章主要介绍如何使用Python3制作一个带GUI界面的小说爬虫工具,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!

    效果图

    最近帮朋友写个简单爬虫,顺便整理了下,搞成了一个带GUI界面的小说爬虫工具,用来从笔趣阁爬取小说。

    开发完成后的界面

    如何使用Python3制作一个带GUI界面的小说爬虫工具

    采集过程界面

    如何使用Python3制作一个带GUI界面的小说爬虫工具

    采集后存储

    如何使用Python3制作一个带GUI界面的小说爬虫工具

    主要功能

    1.多线程采集,一个线程采集一本小说

    2.支持使用代理,尤其是多线程采集时,不使用代理可能封ip

    如何使用Python3制作一个带GUI界面的小说爬虫工具

    3.实时输出采集结果

    如何使用Python3制作一个带GUI界面的小说爬虫工具

    使用 threading.BoundedSemaphore() pool_sema.acquire() pool_sema.release() 来限制线程数量,防止并发线程过。具体限制数量,可在软件界面输入,默认5个线程

    如何使用Python3制作一个带GUI界面的小说爬虫工具

    # 所有线程任务开始前
    pool_sema.threading.BoundedSemaphore(5)
    
    # 具体每个线程开始前 锁
    pool_sema.acquire()  
    ....
    # 线程任务执行结束释放
    pol_sema.release()

    用到的第三方模块

    pip install requests
    pip install pysimplegui
    pip install lxml
    pip install pyinstaller

    GUI 界面使用了一个tkinter 的封装库 PySimpleGUI, 使用非常方便,虽然界面不够漂亮,但胜在简单,非常适合开发些小工具。https://pysimplegui.readthedocs.io/en/latest/比如这个界面的布局,只需简单几个 list

    layout = [
            [sg.Text('输入要爬取的小说网址,点此打开笔趣阁站点复制', font=("微软雅黑", 12),
                     key="openwebsite", enable_events=True, tooltip="点击在浏览器中打开")],
            [sg.Text("小说目录页url,一行一个:")],
            [
                sg.Multiline('', key="url", size=(120, 6), autoscroll=True, expand_x=True, right_click_menu=['&Right', ['粘贴']]
                             )
            ],
            [sg.Text(visible=False, text_color="#ff0000", key="error")],
            [
                sg.Button(button_text='开始采集', key="start", size=(20, 1)),
                sg.Button(button_text='打开下载目录', key="opendir",
                          size=(20, 1), button_color="#999999")
            ],
            [sg.Text('填写ip代理,有密码格式 用户名:密码@ip:端口,无密码格式 ip:端口。如 demo:123456@123.1.2.8:8580')],
            [
                sg.Input('', key="proxy"),
                sg.Text('线程数量:'),
                sg.Input('5', key="threadnum"),
            ],
            [
                sg.Multiline('等待采集', key="res", disabled=True, border_width=0, background_color="#ffffff", size=(
                    120, 6), no_scrollbar=False, autoscroll=True, expand_x=True, expand_y=True, font=("宋体", 10), text_color="#999999")
            ],
        ]

    打包为 exe 命令

    pyinstaller -Fw start.py

    全部源码

    import time
    import requests
    import os
    import sys
    import re
    import random
    from lxml import etree
    import webbrowser
    import PySimpleGUI as sg
    import threading
    
    
    # user-agent
    header = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36"
    }
    # 代理
    proxies = {}
    # 删除书名中特殊符号
    # 笔趣阁基地址
    baseurl = 'https://www.xbiquwx.la/'
    # 线程数量
    threadNum = 6
    pool_sema = None
    THREAD_EVENT = '-THREAD-'
    cjstatus = False
    
    # txt存储目录
    filePath = os.path.abspath(os.path.join(os.getcwd(), 'txt'))
    if not os.path.exists(filePath):
        os.mkdir(filePath)
    
    # 删除特殊字符
    def deletetag(text):
        return re.sub(r'[\[\]#\/\\:*\,;\?\"\'<>\|\(\)《》&\^!~=%\{\}@!:。·!¥……() ]','',text)
    
    # 入口
    def main():
        global cjstatus, proxies, threadNum, pool_sema
        sg.theme("reddit")
        layout = [
            [sg.Text('输入要爬取的小说网址,点此打开笔趣阁站点复制', font=("微软雅黑", 12),
                     key="openwebsite", enable_events=True, tooltip="点击在浏览器中打开")],
            [sg.Text("小说目录页url,一行一个:")],
            [
                sg.Multiline('', key="url", size=(120, 6), autoscroll=True, expand_x=True, right_click_menu=['&Right', ['粘贴']]
                             )
            ],
            [sg.Text(visible=False, text_color="#ff0000", key="error")],
            [
                sg.Button(button_text='开始采集', key="start", size=(20, 1)),
                sg.Button(button_text='打开下载目录', key="opendir",
                          size=(20, 1), button_color="#999999")
            ],
            [sg.Text('填写ip代理,有密码格式 用户名:密码@ip:端口,无密码格式 ip:端口。如 demo:123456@123.1.2.8:8580')],
            [
                sg.Input('', key="proxy"),
                sg.Text('线程数量:'),
                sg.Input('5', key="threadnum"),
            ],
            [
                sg.Multiline('等待采集', key="res", disabled=True, border_width=0, background_color="#ffffff", size=(
                    120, 6), no_scrollbar=False, autoscroll=True, expand_x=True, expand_y=True, font=("宋体", 10), text_color="#999999")
            ],
        ]
        window = sg.Window('采集笔趣阁小说', layout, size=(800, 500), resizable=True,)
        while True:
            event, values = window.read()
            if event == sg.WIN_CLOSED or event == 'close':  # if user closes window or clicks cancel
                break
            if event == "openwebsite":
                webbrowser.open('%s' % baseurl)
            elif event == 'opendir':
                os.system('start explorer ' + filePath)
            elif event == 'start':
                if cjstatus:
                    cjstatus = False
                    window['start'].update('已停止...点击重新开始')
                    continue
                window['error'].update("", visible=False)
                urls = values['url'].strip().split("\n")
                lenth = len(urls)
                for k, url in enumerate(urls):
                    if (not re.match(r'%s\d+_\d+/' % baseurl, url.strip())):
                        if len(url.strip()) > 0:
                            window['error'].update("地址错误:%s" % url, visible=True)
                        del urls[k]
    
                if len(urls) < 1:
                    window['error'].update(
                        "每行地址需符合 %s84_84370/ 形式" % baseurlr, visible=True)
                    continue
                # 代理
                if len(values['proxy']) > 8:
                    proxies = {
                        "http": "http://%s" % values['proxy'],
                        "https": "http://%s" % values['proxy']
                    }
                # 线程数量
                if values['threadnum'] and int(values['threadnum']) > 0:
                    threadNum = int(values['threadnum'])
                pool_sema = threading.BoundedSemaphore(threadNum)
                cjstatus = True
                window['start'].update('采集中...点击停止')
                window['res'].update('开始采集')
    
                for url in urls:
                    threading.Thread(target=downloadbybook, args=(
                        url.strip(), window,), daemon=True).start()
            elif event == "粘贴":
                window['url'].update(sg.clipboard_get())
    
            print("event", event)
            if event == THREAD_EVENT:
                strtext = values[THREAD_EVENT][1]
                window['res'].update(window['res'].get()+"\n"+strtext)
        cjstatus = False
        window.close()
    
    #下载
    def downloadbybook(page_url, window):
        try:
            bookpage = requests.get(url=page_url, headers=header, proxies=proxies)
        except Exception as e:
            window.write_event_value(
                '-THREAD-', (threading.current_thread().name, '\n请求 %s 错误,原因:%s' % (page_url, e)))
            return
        if not cjstatus:
            return
        # 锁线程
        pool_sema.acquire()
    
        if bookpage.status_code != 200:
            window.write_event_value(
                '-THREAD-', (threading.current_thread().name, '\n请求%s错误,原因:%s' % (page_url, page.reason)))
            return
    
        bookpage.encoding = 'utf-8'
        page_tree = etree.HTML(bookpage.text)
        bookname = page_tree.xpath('//div[@id="info"]/h2/text()')[0]
        bookfilename = filePath + '/' + deletetag(bookname)+'.txt'
        zj_list = page_tree.xpath(
            '//div[@class="box_con"]/div[@id="list"]/dl/dd')
        for _ in zj_list:
            if not cjstatus:
                break
            zjurl = page_url + _.xpath('./a/@href')[0]
            zjname = _.xpath('./a/@title')[0]
            try:
                zjpage = requests.get(
                    zjurl, headers=header, proxies=proxies)
            except Exception as e:
                window.write_event_value('-THREAD-', (threading.current_thread(
                ).name, '\n请求%s:%s错误,原因:%s' % (zjname, zjurl, zjpage.reason)))
                continue
    
            if zjpage.status_code != 200:
                window.write_event_value('-THREAD-', (threading.current_thread(
                ).name, '\n请求%s:%s错误,原因:%s' % (zjname, zjurl, zjpage.reason)))
                return 
            
            zjpage.encoding = 'utf-8'
            zjpage_content = etree.HTML(zjpage.text).xpath('//div[@id="content"]/text()')
            content = "\n【"+zjname+"】\n"
            for _ in zjpage_content:
                content += _.strip() + '\n'
            with open(bookfilename, 'a+', encoding='utf-8') as fs:
                fs.write(content)
                window.write_event_value(
                    '-THREAD-', (threading.current_thread().name, '\n%s:%s 采集成功' % (bookname, zjname)))
            time.sleep(random.uniform(0.05, 0.2))
    
        # 下载完毕
        window.write_event_value('-THREAD-', (threading.current_thread(
        ).name, '\n请求 %s 结束' % page_url))
        pool_sema.release()
    
    
    if __name__ == '__main__':
        main()

    以上是“如何使用Python3制作一个带GUI界面的小说爬虫工具”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注亿速云行业资讯频道!

    向AI问一下细节

    免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

    AI