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.
来源: http://developer.51cto.com/art/202106/668741.htm