詳解如何用Python寫個聽小說的爬蟲
在路上發現好多人都喜歡用耳機聽小說,同事居然可以一整天的帶著一隻耳機聽小說。小編表示非常的震驚。今天就用 Python 下載聽小說 tingchina.com
的音頻。
書名和章節列表
隨機點開一本書,這個頁面可以使用 BeautifulSoup 獲取書名和所有單個章節音頻的列表。復制瀏覽器的地址,如:https://www.tingchina.com/yousheng/disp_31086.htm。
from bs4 import BeautifulSoup import requests import re import random import os headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36' } def get_detail_urls(url): url_list = [] response = requests.get(url, headers=headers) response.encoding = 'gbk' soup = BeautifulSoup(response.text, 'lxml') name = soup.select('.red12')[0].strong.text if not os.path.exists(name): os.makedirs(name) div_list = soup.select('div.list a') for item in div_list: url_list.append({'name': item.string, 'url': 'https://www.tingchina.com/yousheng/{}'.format(item['href'])}) return name, url_list
音頻地址
打開單個章節的鏈接,在 Elements 面板用章節名稱作為搜索詞,在底部發現瞭一個 script,這一部分就是聲源的地址。
在 Network 面板可以看到,聲源的 url 域名和章節列表的域名是不一樣的。在獲取下載鏈接的時候需要註意這一點。
def get_mp3_path(url): response = requests.get(url, headers=headers) response.encoding = 'gbk' soup = BeautifulSoup(response.text, 'lxml') script_text = soup.select('script')[-1].string fileUrl_search = re.search('fileUrl= "(.*?)";', script_text, re.S) if fileUrl_search: return 'https://t3344.tingchina.com' + fileUrl_search.group(1)
下載
驚喜總是突如其來,把這個 https://t3344.tingchina.com/xxxx.mp3 放入瀏覽器中運行居然是 404。
肯定是少瞭關鍵性的參數,回到上面 Network 仔細觀察 mp3 的 url,發現在 url 後面帶瞭一個 key 的關鍵字。如下圖,這個 key 是來自於 https://img.tingchina.com/play/h5_jsonp.asp?0.5078556568562795 的返回值,可以使用正則表達式將 key 取出來。
def get_key(url): url = 'https://img.tingchina.com/play/h5_jsonp.asp?{}'.format(str(random.random())) headers['referer'] = url response = requests.get(url, headers=headers) matched = re.search('(key=.*?)";', response.text, re.S) if matched: temp = matched.group(1) return temp[len(temp)-42:]
最後的最後在 __main__
中將以上的代碼串聯起來。
if __name__ == "__main__": url = input("請輸入瀏覽器書頁的地址:") dir,url_list = get_detail_urls() for item in url_list: audio_url = get_mp3_path(item['url']) key = get_key(item['url']) audio_url = audio_url + '?key=' + key headers['referer'] = item['url'] r = requests.get(audio_url, headers=headers,stream=True) with open(os.path.join(dir, item['name']),'ab') as f: f.write(r.content) f.flush()
完整代碼
from bs4 import BeautifulSoup import requests import re import random import os headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36' } def get_detail_urls(url): url_list = [] response = requests.get(url, headers=headers) response.encoding = 'gbk' soup = BeautifulSoup(response.text, 'lxml') name = soup.select('.red12')[0].strong.text if not os.path.exists(name): os.makedirs(name) div_list = soup.select('div.list a') for item in div_list: url_list.append({'name': item.string, 'url': 'https://www.tingchina.com/yousheng/{}'.format(item['href'])}) return name, url_list def get_mp3_path(url): response = requests.get(url, headers=headers) response.encoding = 'gbk' soup = BeautifulSoup(response.text, 'lxml') script_text = soup.select('script')[-1].string fileUrl_search = re.search('fileUrl= "(.*?)";', script_text, re.S) if fileUrl_search: return 'https://t3344.tingchina.com' + fileUrl_search.group(1) def get_key(url): url = 'https://img.tingchina.com/play/h5_jsonp.asp?{}'.format(str(random.random())) headers['referer'] = url response = requests.get(url, headers=headers) matched = re.search('(key=.*?)";', response.text, re.S) if matched: temp = matched.group(1) return temp[len(temp)-42:] if __name__ == "__main__": url = input("請輸入瀏覽器書頁的地址:") dir,url_list = get_detail_urls() for item in url_list: audio_url = get_mp3_path(item['url']) key = get_key(item['url']) audio_url = audio_url + '?key=' + key headers['referer'] = item['url'] r = requests.get(audio_url, headers=headers,stream=True) with open(os.path.join(dir, item['name']),'ab') as f: f.write(r.content) f.flush()
總結
這個 Python 爬蟲比較簡單,小編的每個月 30 元的流量都不夠用,有瞭這個小程序在地鐵上就可以不用流量聽小說瞭。
以上就是詳解如何用Python寫個聽小說的爬蟲的詳細內容,更多關於Python爬蟲 聽小說的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- Python自動爬取圖片並保存實例代碼
- 基於pycharm的beautifulsoup4庫使用方法教程
- Python爬取求職網requests庫和BeautifulSoup庫使用詳解
- Python爬蟲之批量下載喜馬拉雅音頻
- python beautifulsoup4 模塊詳情