當屌絲想看《蜀山劍俠傳》[python螢幕抓取]

想看《蜀山》，就下載了蜀山劍俠傳.txt.放在的電子書裡。

但看了會覺得檔案挺大的，電子書載入起來也挺慢了，也沒下著分回目版的，就想著把它按章回拆分到的各個檔案。

想想無非就是讀取下檔案，正則匹配一下，檔案分割下，就完事大吉了。 

coding時覺得這種方式肯定慢， 不如去線上閱讀的地方抓取一下。於是找到【蜀山劍俠傳---還珠樓主---天涯線上書庫】，把檔案分割的問題變成螢幕抓取的問題。

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

子在川上曰：《蜀山》是一部超級超級超級浪漫恢宏的作品，只可惜我早生了兩千年。