手把手教你使用Python网络爬虫获取音效信息
共 3979字,需浏览 8分钟
·
2020-10-05 15:08
回复“书籍”即可获赠Python从入门到进阶共10本电子书
/1 前言/
生活中到处有各种各样的声音。在做网页时,没有声音的网页显得没有灵魂,特别是游戏网页,没有声音就体会不了其中精彩的打斗效果,会感到特别的无趣。
/2 项目目标/
今天教大家如何用Python网络爬虫去获取音效。
/3 项目准备/
软件:PyCharm
需要的库:requests、lxml、ssl
网站如下:
https://www.tukuppt.com/yinxiaomuban/zhuanchang/__zonghe_0_0_0_0_0_0_{}.html
/4 项目分析/
1、如何找到音效地址?
F12右键检查,找到对应的音效的地址,出现登录画面直接叉掉就可以了。
2、如何多网页访问?
观察网址的变化(一般取前三页):
https://www.tukuppt.com/yinxiaomuban/zhuanchang/__zonghe_0_0_0_0_0_0_1.html
https://www.tukuppt.com/yinxiaomuban/zhuanchang/__zonghe_0_0_0_0_0_0_2.html
https://www.tukuppt.com/yinxiaomuban/zhuanchang/__zonghe_0_0_0_0_0_0_3.html
发现点击下一页时,zonghe_0_0_0_0_0_0{}每增加一页自增加1,用{}代替变换的变量,再用for循环遍历这网址,实现多个网址请求。
3、如何解除ssl验证?
因为这个网址是https,需要导入一个ssl模块,忽略ssl验证。
4、如何获取Cookie?
右键检查,找到NetWork,随便复制一个Cookie即可:
/5 项目实现/
1、定义一个class类继承object,定义init方法继承self,主函数main继承self。导入需要的库和网址,代码如下所示。
import requests
from lxml import etree
from fake_useragent import UserAgent
import ssl
class Panda(object):
def __init__(self):
pass
def main(self):
pass
if __name__ == '__main__':
imageSpider = Panda()
imageSpider.main()
2、导入网址和构造请求头。
self.url = "https://www.tukuppt.com/yinxiaomuban/zhuanchang/__zonghe_0_0_0_0_0_0_{}.html" #/zhuanchang/:搜索的名字的拼音缩写
self.headers = {
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36"
}
3、发送请求 获取响应, 页面回调,方便下次请求。
def get_page(self, url):
res = requests.get(url=url, headers=self.headers)
html = res.content.decode("utf-8")
return html
4、xpath解析页面数据。
这里我们先获取父节点,在通过for循环遍历,找到对应的子节点(音效地址)。
one = parse_html.xpath('//div[@class="b-box"]//dl')
for li in one:
lis_imges = li.xpath(".//audio//source/@src")[0].strip()
who = li.xpath(".//dt//a/text()")[0].strip()
获取到后,发现地址表示完整的地址,需要对网站进行补全,获取真正访问的地址。
mp3 = "https:" + lis_imges
5、运行的结果,如下图所示:
6、对音效地址发生请求,获取对应音效a标签的text()作为命名,写入文件。
dirname = "./音效/" + who + '.mp3'
html2 = requests.get(url=mp3, headers=self.headers).content
with open(dirname, 'wb') as f:
f.write(html2)
print("\n%s下载成功" % who))
7、调用方法,实现功能。
html = self.get_page(url)
self.parse_page(html)
/6 效果展示/
1、点击绿色小三角运行输入起始页,终止页,如1和2,获取1页信息即可。
2、运行程序后,结果显示在控制台,如下图所示。
3、将运行结果保存在本地,如下图所示。
4、双击文件,即可播放。
/7 小结/
------------------- End -------------------
往期精彩文章推荐:
欢迎大家点赞,留言,转发,转载,感谢大家的相伴与支持
想加入Python学习群请在后台回复【入群】
万水千山总是情,点个【在看】行不行
/今日留言主题/
随便说一两句吧~~