Python+百度AI TTS代码 部分一

一,通过输入的网址获取网页文本内容

url2txt.py


# 2019/05/12

# coding: UTF-8

# 告诉解释器该PY程序是utf-8编码的,源程序中可以有中文

import requests # 抓取网页中html源代码

import csv  # 将数据写入到csv文件中

import random # 取随机数

import time # 时间相关操作

import socket # 异常处理

import http.client # 异常处理

# import urllib.request # 另一种抓取网页html源代码的方法,但没有requests方便

from bs4 import BeautifulSoup # 代替正则式取源码中相应标签中的内容

import sys,re

class Tool:

    removeImg = re.compile('<img.*?>| {7}|')

    removeAddr = re.compile('<a.*?>|</a>')

    replaceLine = re.compile('<tr>|<div>|</div>|</p>')

    replaceTD= re.compile('<td>')

    replacePara = re.compile('<p.*?>')

    replaceBR = re.compile('<br><br>|<br>')

    removeExtraTag = re.compile('<.*?>')

    def replace(self,x):

        x = re.sub(self.removeImg,"",x)

        x = re.sub(self.removeAddr,"",x)

        x = re.sub(self.replaceLine,"\n",x)

        x = re.sub(self.replaceTD,"\t",x)

        x = re.sub(self.replacePara,"\n    ",x)

        x = re.sub(self.replaceBR,"\n",x)

        x = re.sub(self.removeExtraTag,"",x)

        return x.strip()

tool=Tool()

path = sys.path[0]

def get_content(url , data = None):

    header={    # header是requests.get的一个参数,目的是模拟浏览器访问,可由chrome的开发者工具获得(F12)

        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

        'Accept-Encoding': 'gzip, deflate',

        'Accept-Language': 'zh-CN,zh;q=0.9',

        'Connection': 'keep-alive',

        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36'

    }

    timeout = random.choice(range(80, 180))

    # 设定一个超时时间,取随机数是为了防止被网站认定为网络爬虫。

    while True:

        try:

            rep = requests.get(url,headers = header,timeout = timeout) # 获取网页的源代码

            rep.encoding = 'utf-8' # 将源代码的编码格式改为utf-8

            break

        except socket.timeout as e:

            print( '3:', e)

            time.sleep(random.choice(range(8,15)))

        except socket.error as e:

            print( '4:', e)

            time.sleep(random.choice(range(20, 60)))

        except http.client.BadStatusLine as e:

            print( '5:', e)

            time.sleep(random.choice(range(30, 80)))

        except http.client.IncompleteRead as e:

            print( '6:', e)

            time.sleep(random.choice(range(5, 15)))

    return rep.text # 返回异常

    # return html_text

def get_data(html_text):

    final = []

    bs = BeautifulSoup(html_text, "html.parser")  # 创建BeautifulSoup对象

    # bs = BeautifulSoup(html_text.strip(),'html.parser')

    final = str(bs)

    return final

# 写txt文件

def write_text(data,path,name):

    with open(path+'\\'+name+'.txt','w',errors='ignore',newline='',encoding='utf_8_sig') as f:

        f.write(data)

# if __name__ == '__main__':

def url2txt(url,path,name):



    # url ='https://zhuanlan.zhihu.com/p/61617200' # 页面

    html = get_content(url)

    result = get_data(html)

    result =  tool.replace(result).replace('\n','')

    write_text(result,path,name)

    return result

# url2txt('https://zhuanlan.zhihu.com/p/61617200',path,'txt')

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 161,326评论 4 369
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 68,228评论 1 304
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 110,979评论 0 252
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,489评论 0 217
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,894评论 3 294
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,900评论 1 224
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 32,075评论 2 317
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,803评论 0 205
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,565评论 1 249
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,778评论 2 253
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,255评论 1 265
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,582评论 3 261
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,254评论 3 241
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,151评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,952评论 0 201
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 36,035评论 2 285
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,839评论 2 277

推荐阅读更多精彩内容

  • ¥开启¥ 【iAPP实现进入界面执行逐一显】 〖2017-08-25 15:22:14〗 《//首先开一个线程,因...
    小菜c阅读 6,217评论 0 17
  • 普陀山 观 自在 随心随意 喜欢这里的一花一木 喜欢这里的一叶一菩提 阔别六年的梵音洞和善财洞 雨水如注 天降圣水...
    拂晓的茉莉阅读 192评论 0 0
  • 近日复旦女教授讲的“君子之交淡如水”,受到了大众热评。她说:“并不时常想起,却又无处不在,这就是朋友带给我们的存在...
    木安m阅读 1,002评论 1 0
  • 周三的段子 R】《好好说话》P159 掀桌砍价三步法 在谈判中,我们如何把桌掀好呢?从下面这个案例中,我们可以清楚...
    米豆妈阅读 220评论 1 0
  • typedefNS_OPTIONS(NSUInteger, NSStringCompareOptions) { N...
    Sanchain阅读 986评论 0 0