色综合图-色综合图片-色综合图片二区150p-色综合图区-玖玖国产精品视频-玖玖香蕉视频

您的位置:首頁技術文章
文章詳情頁

python 爬取百度文庫并下載(免費文章限定)

瀏覽:13日期:2022-07-03 13:33:25

import requestsimport reimport jsonimport ossession = requests.session()def fetch_url(url): return session.get(url).content.decode(’gbk’)def get_doc_id(url): return re.findall(’view/(.*).html’, url)[0]def parse_type(content): return re.findall(r'docType.*?:.*?’(.*?)’,', content)[0]def parse_title(content): return re.findall(r'title.*?:.*?’(.*?)’,', content)[0]def parse_doc(content): result = ’’ url_list = re.findall(’(https.*?0.json.*?)x22}’, content) url_list = [addr.replace('/', '/') for addr in url_list] for url in url_list[:-5]: content = fetch_url(url) y = 0 txtlists = re.findall(’'c':'(.*?)'.*?'y':(.*?),’, content) for item in txtlists: if not y == item[1]:y = item[1]n = ’n’ else:n = ’’ result += n result += item[0].encode(’utf-8’).decode(’unicode_escape’, ’ignore’) return resultdef parse_txt(doc_id): content_url = ’https://wenku.baidu.com/api/doc/getdocinfo?callback=cb&doc_id=’ + doc_id content = fetch_url(content_url) md5 = re.findall(’'md5sum':'(.*?)'’, content)[0] pn = re.findall(’'totalPageNum':'(.*?)'’, content)[0] rsign = re.findall(’'rsign':'(.*?)'’, content)[0] content_url = ’https://wkretype.bdimg.com/retype/text/’ + doc_id + ’?rn=’ + pn + ’&type=txt’ + md5 + ’&rsign=’ + rsign content = json.loads(fetch_url(content_url)) result = ’’ for item in content: for i in item[’parags’]: result += i[’c’].replace(’r’, ’r’).replace(’n’, ’n’) return resultdef parse_other(doc_id): content_url = 'https://wenku.baidu.com/browse/getbcsurl?doc_id=' + doc_id + '&pn=1&rn=99999&type=ppt' content = fetch_url(content_url) url_list = re.findall(’{'zoom':'(.*?)','page'’, content) url_list = [item.replace('', ’’) for item in url_list] if not os.path.exists(doc_id): os.mkdir(doc_id) for index, url in enumerate(url_list): content = session.get(url).content path = os.path.join(doc_id, str(index) + ’.jpg’) with open(path, ’wb’) as f: f.write(content) print('圖片保存在' + doc_id + '文件夾')def save_file(filename, content): with open(filename, ’w’, encoding=’utf8’) as f: f.write(content) print(’已保存為:’ + filename)# test_txt_url = ’https://wenku.baidu.com/view/cbb4af8b783e0912a3162a89.html?from=search’# test_ppt_url = ’https://wenku.baidu.com/view/2b7046e3f78a6529657d5376.html?from=search’# test_pdf_url = ’https://wenku.baidu.com/view/dd6e15c1227916888586d795.html?from=search’# test_xls_url = ’https://wenku.baidu.com/view/eb4a5bb7312b3169a551a481.html?from=search’def main(): url = input(’請輸入要下載的文庫URL地址’) content = fetch_url(url) doc_id = get_doc_id(url) type = parse_type(content) title = parse_title(content) if type == ’doc’: result = parse_doc(content) save_file(title + ’.txt’, result) elif type == ’txt’: result = parse_txt(doc_id) save_file(title + ’.txt’, result) else: parse_other(doc_id)if __name__ == '__main__': main()

爬取結果

python 爬取百度文庫并下載(免費文章限定)

以上就是python 爬取百度文庫并以圖片方式下載(vip文章也可以爬)的詳細內容,更多關于python 爬取百度文庫的資料請關注好吧啦網其它相關文章!

標簽: 百度 Python
相關文章:
主站蜘蛛池模板: 免费国产精品视频 | 亚洲日韩中文字幕天堂不卡 | 久久国产精品二国产精品 | 久久视频6免费观看视频精品 | 久久国产乱子伦精品免费不卡 | 美女被男人桶到嗷嗷叫爽网站 | 免看一级一片一在线看 | 国产小片 | 国产日韩欧美精品一区 | 精品国产一区二区三区在线 | 亚洲三级视频在线观看 | 国产区精品 | 国产大片线上免费观看 | 亚洲国产精久久久久久久 | 精品午夜寂寞影院在线观看 | 夜色1网站| 久久精品国产精品青草色艺 | 国产视频中文字幕 | 欧美日韩国产在线人成dvd | 亚洲在线一区二区三区 | 国产精品成人一区二区不卡 | 亚洲美女视频在线观看 | www.网站黄网站 | 国内精品久久久久久影院8f | 天堂8中文在线最新版在线 天堂8资源8在线 | 91成人免费观看在线观看 | 精品国产1区 | 中文字幕二区 | 中国一级特黄视频 | 精品国产三级在线观看 | 国产免费一级高清淫曰本片 | 久久精品视频99精品视频150 | 伊人久热这里只有精品视频99 | 久久久国产乱子伦精品 | 欧美成在人线a免费 | 欧美视频不卡 | 三级特黄视频 | 国产精品久久久久久 | 国产成人91 | 免费aa在线观看 男人的天堂 | 欧美白人猛性xxxxx交69 |