java 怎么提取 txt小说里面的章节目录 并记录位置

Posted 2023-04-17

java 怎么提取 txt小说里面的章节目录 并记录位置
初学习java 弄个自己感兴趣的东西做，选在了txt小说阅读器
在自动提取章节目录的这个功能上就卡住住了
1）怎么提取章节名字，小说里面一般都是 第**章 第**节等等这种形式，用什么方法函数来匹配正则
2）匹配正则了 用什么方法 直接提取这一行
3）提取到了这一行 怎么确定这个一行在全文中的位置！
4）阅读进度到了某个段落 怎么确定这个段在全文本的位置，保证我下次能接着读？

参考技术A 以下是一些基本的功能代码，读取TXT部分代码来源于网络：http://www.cnblogs.com/manongxiaojiang/archive/2012/10/13/2722068.html

public static void readTxtFile(String filePath)
try
String encoding = "UTF-8";
File file = new File(filePath);
if (file.isFile() && file.exists()) // 判断文件是否存在
InputStreamReader read = new InputStreamReader(
new FileInputStream(file), encoding);// 考虑到编码格式
BufferedReader bufferedReader = new BufferedReader(read);
String lineTxt = null;
int offset = 0; //章节所在行数
int count = 1; //章节数
List<InfoVo> list = new ArrayList<InfoVo>();
InfoVo infoVo;
while ((lineTxt = bufferedReader.readLine()) != null)
infoVo = new InfoVo();
offset++;
if (lineTxt.contains("第") && lineTxt.contains("章"))
infoVo.setCount(count);
infoVo.setOffset(offset);
infoVo.setTitle(lineTxt);
list.add(infoVo);
count++;


System.out.println(list.size());
System.out.println(list.get(0).getCount());
System.out.println(list.get(0).getOffset());
System.out.println(list.get(0).getTitle());
read.close();
else
System.out.println("找不到指定的文件");

catch (Exception e)
System.out.println("读取文件内容出错");
e.printStackTrace();


public static void main(String[] args)
// Console.mainMenu();
String filePath = "C:\\20130815.txt";
readTxtFile(filePath);


InfoVo结构：
public class InfoVo
private Integer count;
private Integer offset;
private String title;
public Integer getCount()
return count;

public void setCount(Integer count)
this.count = count;

public Integer getOffset()
return offset;

public void setOffset(Integer offset)
this.offset = offset;

public String getTitle()
return title;

public void setTitle(String title)
this.title = title;

爬取小说《重生之狂暴火法》 1~140章

需要使用的库

• requests
• re

1、打开网址“ http://www.17k.com/list/2726194.html ”查看章节目录

按F12查看如下：

 

 

经过分析，我们可以通过简单的正则表达式，提取出每一章的章节名称（源代码第34行）

1 pat = r"(第.+章.+)</h1>"

 

2、接下来打开第一章通过源代码再次分析

 

 

再次通过简单的分析，我们可以可以用简单的正则表达式提取出小说内容（源代码45~47行）

 

 

 

3、源代码如下

 1 import requests
 2 import re
 3 
 4 
 5 class Novel(object):
 6     url_list = []
 7     chapter_list = []
 8     chapter_title_list = []
 9 
10 
11     def __init__(self, url):
12         self.url = url
13 
14     def obtain_url(self):
15         response = requests.get(self.url)
16         response.encoding = "utf-8"
17         pat = r"/chapter/2726194/(d+).html"
18         ls = []
19         ls2 = []
20         for i in re.findall(pat, response.text):
21             ls.append(i)
22         for i in range(1, 141):
23             ls2.append(ls[i])
24         for i in ls2:
25             new_url = "http://www.17k.com/chapter/2726194/" + i + ".html"
26             Novel.url_list.append(new_url)
27 
28 
29 
30     def obtan_title(self):
31         for i in self.url_list:
32             response = requests.get(i)
33             response.encoding = "utf-8"
34             pat = r"(第.+章.+)</h1>"
35             title = re.findall(pat,response.text)
36             self.chapter_title_list.append(str(title))
37 
38 
39 
40     def grab_url(self):
41         for i in self.url_list:
42             response = requests.get(i)
43             response.encoding = "utf-8"
44             lst = ‘‘
45             pat = r"&#12288;&#12288;(.+)<br /><br />"
46             new_text = str(re.findall(pat, response.text))[1:-1]
47             pat2 = r"[^<br /><br />&#12288;&#12288;]"
48             for j in re.findall(pat2, new_text):
49                 if j == "。":
50                     j = "
"
51                 lst = lst + j
52             self.chapter_list.append(lst)
53 
54 
55     def storage(self):
56         with open("F:\\重生.txt", "a") as f:
57             i = 0
58             while i < 140:
59                 f.write(str("
" + self.chapter_title_list[i]) + "
")
60                 f.write(self.chapter_list[i])
61                 i += 1
62 
63 
64     # 主方法
65     def grab(self):
66         # 获取网址
67         self.obtain_url()
68 
69         #章节标题
70         self.obtan_title()
71 
72         #章节内容
73         self.grab_url()
74 
75         #存储
76         self.storage()
77 
78 if __name__ == ‘__main__‘:
79     try:
80         spider = Novel("http://www.17k.com/list/2726194.html")
81         spider.grab()
82     except :
83         print("爬取出错~~")

 

运行后会在F盘生成一个 "重生.txt" 的文件