用 50 行代码写个听小说的爬虫

本文转载自微信公众号「Python技术」，作者派森酱。转载本文请联系Python技术公众号。

创新互联建站服务项目包括榆阳网站建设、榆阳网站制作、榆阳网页制作以及榆阳网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，榆阳网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到榆阳省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！

在路上发现好多人都喜欢用耳机听小说，同事居然可以一整天的带着一只耳机听小说。小编表示非常的震惊。今天就用 Python 下载听小说 tingchina.com的音频。

书名和章节列表

随机点开一本书，这个页面可以使用 BeautifulSoup 获取书名和所有单个章节音频的列表。复制浏览器的地址，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

音频地址

打开单个章节的链接，在 Elements 面板用章节名称作为搜索词，在底部发现了一个 script，这一部分就是声源的地址。

在 Network 面板可以看到，声源的 url 域名和章节列表的域名是不一样的。在获取下载链接的时候需要注意这一点。

 
 
 
   
  
  
  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)

下载

惊喜总是突如其来，把这个 https://t3344.tingchina.com/xxxx.mp3 放入浏览器中运行居然是 404。

肯定是少了关键性的参数，回到上面 Network 仔细观察 mp3 的 url，发现在 url 后面带了一个 key 的关键字。如下图，这个 key 是来自于 https://img.tingchina.com/play/h5_jsonp.asp?0.5078556568562795 的返回值，可以使用正则表达式将 key 取出来。

 
 
 
   
  
  
  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__ 中将以上的代码串联起来。

 
 
 
   
  
  
  if __name__ == "__main__":   
  
  
      url = input("请输入浏览器书页的地址：")   
  
  
      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()

总结

这个 Python 爬虫比较简单，小编的每个月 30 元的流量都不够用，又了这个小程序在地铁上就可以不用流量听小说了。

当前题目：用 50 行代码写个听小说的爬虫
转载注明：http://www.shufengxianlan.com/qtweb/news35/237235.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容