当屌丝想看《蜀山剑侠传》[python屏幕抓取]
想看《蜀山》，就下载了蜀山剑侠传.txt.放在的电子书里。
但看了会觉得文件挺大的，电子书加载起来也挺慢了，也没下着分回目版的，就想着把它按章回拆分到的各个文件。
想想无非就是读取下文件，正则匹配一下，文件分割下，就完事大吉了。
coding时觉得这种方式肯定慢， 不如去在线阅读的地方抓取一下。于是找到【蜀山剑侠传---还珠楼主---天涯在线书库】，把文件分割的问题变成屏幕抓取的问题。
code:
from urllib
import urlopen
import re
titleRe = re.compile( ' (?<="biaoti">).+?(?=</span>) ')
contentRe = re.compile( " (?<='content'>).+?(?=</td>) ",re.DOTALL)
dirPath = ' f:\shushanjianxiazhuan\\ '
urlPath = ' http://www.tianyabook.com/wuxia/huanzhulouzhu/shushanjianxiazhuan/ '
for x in xrange(1,310):
x = str(x)
url = urlPath + x+ ' .htm '
page = urlopen(url).read()
title = titleRe.search(page).group()
content = contentRe.search(page).group()
content = content.replace( ' <BR> ', ' \n ')
f = file(dirPath+x+title+ ' .txt ', ' w ')
f.write(title+ ' \n '+content)
f.close()
print title
import re
titleRe = re.compile( ' (?<="biaoti">).+?(?=</span>) ')
contentRe = re.compile( " (?<='content'>).+?(?=</td>) ",re.DOTALL)
dirPath = ' f:\shushanjianxiazhuan\\ '
urlPath = ' http://www.tianyabook.com/wuxia/huanzhulouzhu/shushanjianxiazhuan/ '
for x in xrange(1,310):
x = str(x)
url = urlPath + x+ ' .htm '
page = urlopen(url).read()
title = titleRe.search(page).group()
content = contentRe.search(page).group()
content = content.replace( ' <BR> ', ' \n ')
f = file(dirPath+x+title+ ' .txt ', ' w ')
f.write(title+ ' \n '+content)
f.close()
print title
子在川上曰：《蜀山》是一部超级超级超级浪漫恢宏的作品，只可惜我早生了两千年。