用python实现相声、评书自动下载（六）

用request_heml现在爬不到任何东西，应该是做了屏蔽。那么就要换个思路了，不用request请求网站，而且全部用selenium来操作。还是打开任意一个作品的第一页，然后获取网页源代码，通过源代码来获取所有的所有的跳转链接和当前界面所有的下载链接。主要更新了这个方法：

def getAllSession(url):    #当前页所有的链接print('It\'s comming getAllSession()!')   html = driver.page_source.encode("utf8")pattern1 = re.compile(r'(\/Musiclist\/mmc_\w+\.htm)')  # 编写正则表达式pattern2 = re.compile(r'(\/down_\d{1,6}\.html)')  # 编写正则表达式m = pattern1.findall(str(html))  #跳转链接n = pattern2.findall(str(html))  #下载链接
#     print('m:',m,'\nn:',n)L1 = []for x in m:if x not in L1 :L1 .append(x)        L1 .sort()#L1 .pop(0) #去掉首页跳转链接downLink = [[],[]]downLink[0] = L1downLink[1] = n
#     print('downLink:',downLink)if downLink != None:return downLink

有了跳转链接和所有的下载链接，把这些内容写到csv里面去。然后自动下载：

from selenium import webdriver
import requests
import time
import re
import pandas as pddriver = webdriver.Chrome()
targetUrl = 'https://www.pingshu8.com/MusicList/mmc_235_2916_1.Htm'
headUrl = 'https://www.pingshu8.com'
a = 0def openDriver(url):driver.get(url)   #打开浏览器.def getAllSession(url):    #当前页所有的链接print('It\'s comming getAllSession()!')   html = driver.page_source.encode("utf8")pattern1 = re.compile(r'(\/Musiclist\/mmc_\w+\.htm)')  # 编写正则表达式pattern2 = re.compile(r'(\/down_\d{1,6}\.html)')  # 编写正则表达式m = pattern1.findall(str(html))  #跳转链接n = pattern2.findall(str(html))  #下载链接
#     print('m:',m,'\nn:',n)L1 = []for x in m:if x not in L1 :L1 .append(x)        L1 .sort()#L1 .pop(0) #去掉首页跳转链接downLink = [[],[]]downLink[0] = L1downLink[1] = n
#     print('downLink:',downLink)if downLink != None:return downLinkdef jump_link():    #获取第一页的跳转链接print('It\'s comming jump_link()!')for i in getAllSession(targetUrl)[0]:  # 这是页面跳转链接pattern = re.compile(r'\/Musiclist\/mmc_\w+\.htm')  # 编写正则表达式m = pattern.findall(str(i))  # 用正则表达式查出总共有多少页# print(m)'''通过split切割出最终的页码'''pagenum_list = []for n in m:pagename = re.split(r'\/Musiclist\/mmc_\d{2,3}_\d{0,}_', n, maxsplit=0, flags=0)  # 去掉页码前缀# print('pagename:',pagename)pagenum = pagename[1].split('.htm')  # 去掉页码后缀pagenum_list.append(pagenum)def end_num():  #最终的页码num1 = pagenum_list[0][0]num1 = int(num1)try:num2 = pagenum_list[1][0]num2 = int(num2)return num2except:num2 = 0return num2finally:        if num1 < num2:# print('num1:',num1,type(num1))return num2else:# print('num2:',num2,type(num2))return num1'''获取总页数之后，拼接每一页的跳转链接'''pagejump = []pages = 2# print(end_num())num = end_num()num = int(num)result1 = re.match('(\/Musiclist\/mmc_\d{2,3}_\d{0,}_)', n)t = result1.group(1)result2 = '.htm'while pages <= num:result = headUrl + t + str(pages) + result2pages += 1pagejump.append(result)# print('result:',result)if pagejump != None:return pagejumpdef down_link(url):    #每一页的下载链接print('It\'s comming down_link()!')save_down_link = []for i in getAllSession(url): #这是所有的链接pattern = re.compile(r'\/down_\d{1,6}\.html')    #编写正则表达式+#print('pattern:',pattern)re_link = pattern.findall(str(i)) #用正则表达式查出所有的down地址for j in re_link:links = f'{headUrl}'+j#print(links,type(links))#拼接完整的下载地址save_down_link.append(links)if save_down_link != None:return save_down_linkdef mp3Name(url):  #当前页所有的评书题目print('It\'s comming mp3Name()!')num = 5pstitle = []numlist = []while num < 33:numlist.append(num)num += 3maxfor = len(down_link(url))for nums in numlist[0:maxfor]:sel = driver.find_element_by_xpath(f'/html/body/div[2]/div[13]/div[1]/ul[2]/div[2]/ul/form/li[{nums}]/a').textpstitle.append(sel)        if pstitle != None:return pstitledef getAllLinks(url):  #打开每一页获取下载链接print('It\'s comming getAllLinks()!')ps_link_list = []ps_txt_list = []mylist = []ps_link_list.append(down_link(targetUrl))ps_txt_list.append(mp3Name(targetUrl))for i in jump_link():openDriver(i)  # 打开第二页result = driver.find_element_by_link_text('首页')if result != None:ps_link_list.append(down_link(i))ps_txt_list.append(mp3Name(i))else:time.sleep(50)ps_link_list.append(down_link(i))ps_txt_list.append(mp3Name(i))for links in ps_link_list:links.sort()print(ps_link_list)x = 10  #正常情况每页有10条y = len(ps_link_list)z = len(ps_link_list[-1])m = 0while m < y-1:    #正常遍历for n in range(x):mytext = ps_txt_list[m][n]mylink = ps_link_list[m][n]mylist.append((mytext, mylink))m += 1 if z < x:   #判断最后一页有没有10条，没有10条遍历10次会报溢出    l = 0while l < z:mytext = ps_txt_list[-1][l]mylink = ps_link_list[-1][l]mylist.append((mytext, mylink))l += 1if mylist != None:return mylist   def openXss(url,title):  #下载主方法'''计数 1/3 2/3'''global aa += 1print('\n',a,'/',lenxs)openDriver(url)time.sleep(1)handle = driver.current_window_handle  # 获取当前标签句柄'''获取文件名并赋值给filename'''def name(title):name = titlereturn namebt = driver.find_element_by_id('clickina').click()handles = driver.window_handles  # 获取当前所有标签句柄for newHand in handles:  # 对标签进行遍历if newHand != handle:  # 筛选新打开的标签driver.switch_to.window(newHand)  # 切换到新打开的标签link = driver.current_url  # 获取当前页面地址print(link)driver.close()driver.switch_to.window(handles[0])myfile = requests.get(link)filename = name(title)open(f'e:\pydownload\\{filename}.mp3', 'wb').write(myfile.content)def Name():name = driver.find_element_by_xpath('/html/body/div[2]/div[12]/div/h1').textreturn namedef csv(list):print('It\'s comming csv()!')mp3name = Name()df = pd.DataFrame(list)df.columns = ['title','link']df.to_csv(f'{mp3name}.csv', encoding='gbk', index=False)def running(url):mylist = []ps_txt_list = []ps_link_list = []openDriver(url)def ex():try:sel = driver.find_element_by_xpath('/html/body/div[2]/div[13]/div[1]/ul[2]/div[3]/div/a[1]')return Trueexcept:return Falsedef z():try:            z = len(ps_link_list[-1])return zexcept:return x+1if ex():        jump_link()return csv(getAllLinks(targetUrl))else:x = 10  #正常情况每页有10条  m = 0ps_link_list.append(down_link(targetUrl))ps_txt_list.append(mp3Name(targetUrl))z = z()if z < x:   #判断最后一页有没有10条，没有10条遍历10次会报溢出    l = 0while l < z:mytext = ps_txt_list[-1][l]mylink = ps_link_list[-1][l]mylist.append((mytext, mylink))l += 1elif z == x: #第一页正好10条csv(getAllLinks(targetUrl))         if mylist != None:return csv(mylist)def downCsv():mp3name = Name()data = pd.read_csv(f'{mp3name}.csv', encoding='GB18030')content = data.valueslenxs = len(content)a = 0 j=0while j<5:try:for i in content:title = i[0]link = i[1]print(title, link)openXss(link, title)   except:j+=1print(f'第{j}次重试')      running(targetUrl)
downCsv()

用python实现相声、评书自动下载（六）相关推荐

用python实现相声、评书自动下载（二）
接用python实现相声.评书自动下载(一). 之前的代码成功爬到了这个评书网址的郭德纲的相声,但是每次都要手动去切下载链接,挺麻烦的.而且这个网站评书资源比较少,而且时不时放不了,所以换了一个网站. ...
用python实现相声、评书自动下载（三）
在用python实现相声.评书自动下载(二)写了怎么爬所有的下载链接,那么在这篇写怎么下载. 其实代码和(一)差不多 from selenium import webdriver from reque ...
python 编写一段自动下载微信群的聊天记录中的图片并保存到本地的代码
以下是一段简单的 Python 代码,可以自动下载微信群聊天记录中的图片并保存到本地: import requestsdef download_image(url, file_name):respon ...
用python实现相声、评书自动下载（一）
由于最近开车听歌实在听腻了,就想听几段相声解解乏.但是各个音乐平台上相声实在是少,于是只能自己去网上找.这是最初版本的code,相当简陋,下载链接都是手动复制网页源代码,然后用正则切出来的. from ...
python自动下载安装软件_30行Python代码从百度自动下载图片(内附源码和exe程序)...
只需要30行代码就可以从百度自动下载图片大家好,我是行哥,一个专门教小学生撸Python的编程老师(小学生都能学会的编程) 这里行哥想问大家三个问题 : - 你还在为批量下载表情包发愁吗? - 你还 ...
Python实现在线版本检测自动下载更新
Python实现版本检测软件在线更新在线下载(Python simple implementation of software online update and download) 文章由生化 ...
用python实现相声、评书自动下载（五）
写完这些后,觉得分两个脚本跑太麻烦,而且每次还要去改下载脚本的csv文件名,效率太低.于是把所有的代码整合到一起,实现伪·全自动下载,只要有第一页的链接,就可以下完所有的相声.评书. 发这篇博客的时候 ...
用python实现相声、评书自动下载（四）
对到目前为止遇到的所有异常做处理. from selenium import webdriver from requests_html import HTMLSession import reques ...
python使用pip命令自动下载安装库
一.官网下载安装python.二.配置环境变量.path变量中加入pip.exe文件位置.E:\Python\Python38\Scripts三.在cmd窗口输入命令 pip install 库名 ...

用python实现相声、评书自动下载（六）

用python实现相声、评书自动下载（六）相关推荐

最新文章

热门文章