如何使用Python3制作一个带GUI界面的小说爬虫工具

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

采集过程界面

采集后存储

主要功能

多线程采集，一个线程采集一本小说

支持使用代理，尤其是多线程采集时，不使用代理可能封ip

实时输出采集结果

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

# 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 requestspip install pysimpleguipip install lxmlpip 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 timeimport requestsimport osimport sysimport reimport randomfrom lxml import etreeimport webbrowserimport PySimpleGUI as sgimport threading# user-agentheader = {    "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 = 6pool_sema = NoneTHREAD_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，欢迎关注编程网行业资讯频道！