dingdian
说明
由于顶点网站进行了一次更新,这次项目也进行一次大的更新。基本上是推翻前一次所有的实现方法。
还在为网上小说网站广告弹窗而烦恼吗,自己写一个吧。
爬虫实现
由于`re`匹配数据速度太慢了,改用`xpath`和`requests`库,抓取顶点网的小说数据。
爬虫api调用:
- 搜索结果页:`DdSpider().get_index_result(search, page=0)`
- 小说章节页:`DdSpider().get_chapter(book_url)`
- 章节内容:`DdSpider().get_article(chapter_url)`
由于正常搜索,需要的最符合的结果都会显示在第一页,所以爬虫设成了默认只抓第一页。不过jinja2模版中加了下一页和上一页的按钮,爬虫会根据具体第几页抓取,不会一次性抓取太多影响运行速度。
爬虫封装在DdSpider类中,如果网站再次更新,只要改动DdSpider就可以了。
### FLask
每次启动爬虫由`SQLAlchemy`数据库保存数据,加快再次访问速度。
过段时间可能有还在连载的小说会有更新那么需要清空数据库(取消掉manage.py清空数据库的注释),再启动。
### 本地运行
```
$ pip install -r requirements.txt
$ python manage.py db upgrade
$ python manage.py runserver --host 0.0.0.0
```
### 部署
利用Gunicorn部署在heroku,具体参考这里[here](https://github.com/Blackyukun/Simpleblog/blob/master/README.md)
不过自己记得在仓库push你的migrations/,还有就是我的manage的deploy被我改了(push到远程服务器出现更新数据库错误),所以大家需要将他改为更新数据库的代码:
```Python
@manager.command
def deploy():
from flask_migrate import upgrade
# 更新
upgrade()
```
然后部署步骤不变。
访问:[Mynovels](http://dingdian.herokuapp.com)
### 查看详情
知乎[传送门](https://zhuanlan.zhihu.com/p/28216335)