爬取听力音频并整合

初愿：最近心态发生了小小的变化，决定准备一年时间后考雅思，英语也是该断断续续拾起来了。
资源：找寻了一番后发现这个网站http://www.kekenet.com/上的听力资源不错，内容也挺全面。毕竟我还是倾向于把英语当作一种能力培养，而不是仅为了应试。挑挑拣拣后决定先从演讲部分听起来吧

至于爬取它的原因就是，它把一整个演讲分成了几个部分，虽然可以下载下来，但是不舒服，有时候也是乱序播放，就打算把演讲爬取下来，然后整合成一个音频，多好

目的分析

首先，打开该部分的第一页内容：http://www.kekenet.com/Article/15206/List_1.shtml
可以看到每篇演讲的小部分标题几乎一样，除了后面的编号不同。
按F12，分析一波先

可以轻易找到每部分的链接
本文以雪莉桑德伯格哈佛大学2014毕业典礼演讲为例
第一步，考虑的是如何确定它有多少个小部分，即如何找到它的所有部分。
这里我选择的是用正则匹配标题，即包含“雪莉桑德伯格哈佛大学2014毕业典礼演讲”这些字样的标签下的链接才是我需要的
找到需要的标签后就可以很自然地提取链接，但需要有一点注意，需要重新排序，以利于后面的音频整合。

代码实现

import requests
from bs4 import BeautifulSoup
import re
import pydubmode = r'雪莉桑德伯格哈佛大学2014毕业典礼演讲'headers = {'user-agent': 'Mozilla/5.0'}url = 'http://www.kekenet.com/Article/15206/List_1.shtml'res = requests.get(url, headers)res.encoding = res.apparent_encodingsoup = BeautifulSoup(res.text, 'html.parser')file_list = soup.find('ul', id='menu-list').find_all('li')mp3_list = []for file in file_list:title = file.find('h2').find('a')['title']if re.search(mode, title, re.S) is not None:link = file.find('h2').find('a')['href']re_link = (str(link)).replace('Article', 'mp3')mp3_list.append(re_link)mp3_list.sort()# 爬取音频内容download_mode = r'href="(http://k6.kekenet.com/Sound/.+?.mp3)"'num = 0for i in mp3_list:num += 1res1 = requests.get(i, headers)res1.encoding = res1.apparent_encodingl1 = re.search(download_mode, res1.text, re.S)content = requests.get(l1.group(1), headers)with open('雪莉桑德伯格哈佛大学2014毕业典礼演讲%d.mp3' % num, 'wb') as mp3:mp3.write(content.content)# 合并音频m1 = pydub.AudioSegment.from_mp3(r'雪莉桑德伯格哈佛大学2014毕业典礼演讲1.mp3')
m2 = pydub.AudioSegment.from_mp3(r'雪莉桑德伯格哈佛大学2014毕业典礼演讲2.mp3')
m3 = pydub.AudioSegment.from_mp3(r'雪莉桑德伯格哈佛大学2014毕业典礼演讲3.mp3')
m4 = pydub.AudioSegment.from_mp3(r'雪莉桑德伯格哈佛大学2014毕业典礼演讲4.mp3')
m5 = pydub.AudioSegment.from_mp3(r'雪莉桑德伯格哈佛大学2014毕业典礼演讲5.mp3')merge = m1 + m2 + m3 + m4 + m5merge.export('雪莉桑德伯格哈佛大学2014毕业典礼演讲.mp3', format='mp3', bitrate='192k')

代码很简单，就无需赘述了。

踩过的坑

在使用pydub前需要安装ffmpeg，安装及配置过程网上搜即可，我要说的是，如果配置完环境变量、更改某个代码文件后还是报错，试试把ffmpeg.exe, ffplay.exe, ffprobe.exe这三个文件和本脚本文件放在同一目录下

听力虐我千百遍，我待听力如初恋之爬取听力资源+音频整合（以雪莉桑德伯格哈佛大学2014毕业典礼演讲为例）相关推荐

我虐小车千百遍，小车待我如初恋
None 转.转.转,转它个天昏地暗. 卓大大,来调侃下.****这轮胎能比赛吗? 无语大哥,拐弯悠着点.****一脚油门,车毁人亡. 我是车模中的白马王子
Recycleview 虐我千百遍我待Recycleview如初恋
Recycleview(一) 第二天正式入门android,还以为门槛刚迈进去,谁知道我连鞋都还没脱呢,第一次接触Recycleview,直接懵逼,写一些源代码以防自己忘记第一步新建一个包 -ad ...
Netty虐我千百遍我待Netty如初恋
段一刚开始接触Netty时, 主要是通过浏览文章, 好的差的统统浏览, 慢慢的也就会发现几个好的博主, 包括他们录播的视频我也会去看. 甚至还买了书籍, 不求甚解的看, 反正就是多看吸收. 一开始还 ...
VMware虐我千百遍，我却待她如初恋
文章目录一.相关环境 1.操作系统 2.VMware版本二.我遇到过的bug 1.VMCI驱动程序无法自动安装,需要手动安装 2.Vmware提示以独占方式锁定此配置文件失败 3.VMware提示 ...
算法虐我千百遍，我待算法如初恋
转自:算法虐我千百遍,我待算法如初恋算法虐我千百遍,我待算法如初恋. 学习方法 1) 把所有经典算法写一遍 2) 看算法源码 3) 加入算法学习社区,相互鼓励学习 4) 看经典书籍基本数据 ...
那些曾虐我千百遍的计算机组成原理
那些曾虐我千百遍的计算机组成原理本笔记知识点来源于b站狂神说:聊汇编先导课,有兴趣的小伙伴点这里:狂神聊汇编先导课文章目录那些曾虐我千百遍的计算机组成原理进制的本质有符号数和无符号数的区别 ...
Maven 虐我千百遍，我待 Maven 如初恋侵删
前言在如今的互联网项目开发当中,特别是Java领域,可以说Maven随处可见.Maven的仓库管理.依赖管理.继承和聚合等特性为项目的构建提供了一整套完善的解决方案,可以说如果你搞不懂Maven,那 ...
客户虐我千百遍，我待客户如初恋
误闯误撞,进入了IDC行业,从事了服务器租用及托管的销售工作.很多人问我,什么是IDC,什么是服务器?我知道我解释的过于专业那么会有更多的问题,毕竟自己也不是百科全书,只好简答回复"没有显示 ...
我待数据如初恋，数据虐我千百遍
我待数据如初恋,数据虐我千百遍 1.几个基础概念 1.1表达式 1.2语句 1.3程序 1.4函数 2.标识符 2.1关键字 2.2标识符的构成 3.基本数据类型 3.1整数和小数 3.2 布尔值和空 ...

听力虐我千百遍，我待听力如初恋之爬取听力资源+音频整合（以雪莉桑德伯格哈佛大学2014毕业典礼演讲为例）

爬取听力音频并整合

目的分析

代码实现

踩过的坑

听力虐我千百遍，我待听力如初恋之爬取听力资源+音频整合（以雪莉桑德伯格哈佛大学2014毕业典礼演讲为例）相关推荐

最新文章

热门文章

听力虐我千百遍，我待听力如初恋 之 爬取听力资源+音频整合（以雪莉桑德伯格哈佛大学2014毕业典礼演讲为例）

爬取听力音频并整合

目的分析

代码实现

踩过的坑

听力虐我千百遍，我待听力如初恋 之 爬取听力资源+音频整合（以雪莉桑德伯格哈佛大学2014毕业典礼演讲为例）相关推荐

最新文章

热门文章

听力虐我千百遍，我待听力如初恋之爬取听力资源+音频整合（以雪莉桑德伯格哈佛大学2014毕业典礼演讲为例）

听力虐我千百遍，我待听力如初恋之爬取听力资源+音频整合（以雪莉桑德伯格哈佛大学2014毕业典礼演讲为例）相关推荐