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)

Recommend Projects