|
來源：Python 技術(shù)「ID: pythonall」 
在路上發(fā)現(xiàn)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只耳機聽小說。小編表示非常的震驚。今天就用 Python 下載聽小說 書名和章節(jié)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(jié)音頻的列表。復(fù)制瀏覽器的地址，如：https://www./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./yousheng/{}'.format(item['href'])})
return name, url_list
音頻地址打開單個章節(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 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候需要注意這一點。 
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.' + fileUrl_search.group(1)
下載驚喜總是突如其來，把這個 https://t3344./xxxx.mp3 放入瀏覽器中運行居然是 404。  肯定是少了關(guān)鍵性的參數(shù)，回到上面 Network 仔細觀察 mp3 的 url，發(fā)現(xiàn)在 url 后面帶了一個 key 的關(guān)鍵字。如下圖，這個 key 是來自于 https://img./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./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 Python 爬蟲比較簡單，小編的每個月 30 元的流量都不夠用，又了這個小程序在地鐵上就可以不用流量聽小說了。
|
