用 50 行代码写个听小说的爬虫

本文转载自微信公众号「Python技术」，用行作者派森酱。代码转载本文请联系Python技术公众号。爬虫

在路上发现好多人都喜欢用耳机听小说，用行同事居然可以一整天的代码带着一只耳机听小说。小编表示非常的爬虫震惊。今天就用 Python 下载听小说 tingchina.com的用行音频。

书名和章节列表

随机点开一本书，代码这个页面可以使用 BeautifulSoup 获取书名和所有单个章节音频的爬虫列表。复制浏览器的用行地址，如：https://www.tingchina.com/yousheng/disp_31086.htm。代码

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,爬虫 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，用行在底部发现了一个 script，云服务器提供商代码这一部分就是爬虫声源的地址。

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 的源码下载 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。

很赞哦!（83543）