建站
咨詢
售后
建站咨詢
新聞中心
本文轉(zhuǎn)載自微信公眾號「Python技術(shù)」，作者派森醬。轉(zhuǎn)載本文請聯(lián)系Python技術(shù)公眾號。
創(chuàng)新互聯(lián)建站服務(wù)項(xiàng)目包括榆陽網(wǎng)站建設(shè)、榆陽網(wǎng)站制作、榆陽網(wǎng)頁制作以及榆陽網(wǎng)絡(luò)營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢、行業(yè)經(jīng)驗(yàn)、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機(jī)構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，榆陽網(wǎng)站推廣取得了明顯的社會(huì)效益與經(jīng)濟(jì)效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到榆陽省份的部分城市，未來相信會(huì)繼續(xù)擴(kuò)大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！
在路上發(fā)現(xiàn)好多人都喜歡用耳機(jī)聽小說，同事居然可以一整天的帶著一只耳機(jī)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(jié)列表
隨機(jī)點(diǎn)開一本書，這個(gè)頁面可以使用 BeautifulSoup 獲取書名和所有單個(gè)章節(jié)音頻的列表。復(fù)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(gè)章節(jié)的鏈接，在 Elements 面板用章節(jié)名稱作為搜索詞，在底部發(fā)現(xiàn)了一個(gè) 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(jié)列表的域名是不一樣的。在獲取下載鏈接的時(shí)候需要注意這一點(diǎn)。
- 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(gè) https://t3344.tingchina.com/xxxx.mp3 放入瀏覽器中運(yùn)行居然是 404。
肯定是少了關(guān)鍵性的參數(shù)，回到上面 Network 仔細(xì)觀察 mp3 的 url，發(fā)現(xiàn)在 url 后面帶了一個(gè) key 的關(guān)鍵字。如下圖，這個(gè) key 是來自于 https://img.tingchina.com/play/h5_jsonp.asp?0.5078556568562795 的返回值，可以使用正則表達(dá)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:]
最后的最后在 __main__ 中將以上的代碼串聯(lián)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()
總結(jié)
這個(gè) Python 爬蟲比較簡單，小編的每個(gè)月 30 元的流量都不夠用，又了這個(gè)小程序在地鐵上就可以不用流量聽小說了。
當(dāng)前題目：用 50 行代碼寫個(gè)聽小說的爬蟲
網(wǎng)頁鏈接：http://www.5511xx.com/article/dphppoi.html
