Python采集问题请教

mskyer

我用wordpress搭建了一个电子书的分享网站http://kindleshare.cn，依靠python进行更新
主要是把网上下载的电子书放到空间里去，然后 用walk.py来爬取文件名和文件路径
walk.py内容如下：

1. # -*- coding: utf-8 -*-
   
2. 
   
3. import os
   
4. 
   
5. count = 0
   
6. 
   
7. path = raw_input("input path:")
   
8. for root, dirs, files in os.walk(path):
   
9. 
   
10.    
    
11.   for file in files:
    
12.     count += 1
    
13.     print os.path.join(root, file)
    
14.     with open('bookinfo.txt', 'a') as fp:fp.write(os.path.join(root, file) +'\r\n')
    
15.     fp.close()
    
16. print count

复制代码

  

然后根据gengxin.py来读取书籍信息：

1. #-*-coding:utf-8-*-
   
2. 
   
3. 
   
4. from function import *
   
5. 
   
6. 
   
7. if __name__ == '__main__':
   
8. 
   
9.   i = int(input("请输入要更新文章的数目："))
   
10.   while i > 0:
    
11.     f = open("tmp_book.txt","r",encoding='UTF-8')
    
12.    
    
13.     books = f.readline()
    
14.     url = books.replace('\r\n','').replace("/www/wwwroot/","http://kindleshare.cn/").replace('\n','')
    
15.     book = books.replace('/n','')
    
16.     (filepath,book_name) = os.path.split(book)
    
17.     (file_name,book_detail) = os.path.splitext(book_name)
    
18.     lines = f.readlines()        
    
19.     f = open("tmp_book.txt","w",encoding='UTF-8')
    
20.     for line in lines:
    
21.         f.write(line)
    
22.     print(book_name)
    
23.     try:
    
24.         dizhi = search(file_name)
    
25.         (info , tagg) = get_single_book_data(dizhi)
    
26. 
    
27.         tagg.append(book_detail.replace('.',''))
    
28.    
    
29. 
    
30.         info += "\n\n"+"<span style="font-size: 18pt";>"+"<a href=" + """+ str(url).replace('\n','')+ """  + ">点击下载</a></span>"
    
31.         print(info)
    
32. 
    
33.         for s in tagg:
    
34.             print(s)
    
35.         
    
36.       
    
37.         fabu(file_name,info,list(map(str,tagg)))
    
38.         print ("++++++++++++++++++" + "电子书《" + book_name + "》" + "发布成功" + "++++++++++++++++++")
    
39.     except Exception as e:
    
40.         with open('Errors.txt', 'a') as fp:fp.write(book)
    
41.         
    
42.         print(e)
    
43.     i = i - 1
    

复制代码

那么问题来了，我现在需要完善两个函数，一个是search(file_name)，可以根据文件名来搜索对应电子书在豆瓣上的链接
第二个函数就是get_single_book_data(dizhi)，它是需要根据第一个函数的结果来采集电子书的相关信息。
我自己写了一遍，但是效果不好，正确率不是很高，看有没有高手能帮一下忙哈