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(shù)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:19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(jié)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(xì)內(nèi)容,更多關(guān)于python 爬取百度文庫的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章!

標(biāo)簽: 百度 Python
相關(guān)文章:
主站蜘蛛池模板: 欧美69视频在线 | 中国一级毛片免费观看 | 美女亚洲视频 | 狠狠色狠狠色综合 | 国产黄色片一级 | 欧美三级一级 | 国产女人毛片 | 久久99国产精品久久99果冻传媒 | 欧美成人三级视频 | 91精品国产91久久久久青草 | 免费国产不卡午夜福在线 | 国产精品午夜性视频网站 | 男女朋友做爽爽爽免费视频网 | 欧美一级在线毛片免费观看 | 国产成人免费高清视频 | 免费一级特黄 欧美大片 | 成人男男黄网色视频免费 | 国产三级a | 亚洲 欧美 国产 日韩 制服 bt | 国产成人91高清精品免费 | 亚洲精品视频在线观看免费 | 国产免费高清福利拍拍拍 | 狠狠五月深爱婷婷网 | 亚洲天堂小视频 | 18video9ex欧美生活片 | 偷偷操不一样的久久 | 三级网站视频 | 亚洲免费观看网站 | 成人午夜视频免费观看 | 初爱视频教程在线观看高清 | 国产成人精品日本亚洲网址 | 日韩免费高清 | 欧美日韩一区二区视频免费看 | 日本农村寡妇一级毛片 | 成人午夜视频免费观看 | 国产成人精品日本亚洲麻豆 | 午夜剧场成年 | 国产成在线观看免费视频 | 欧美一区在线观看视频 | 国产成人综合久久精品亚洲 | 国产手机在线视频放线视频 |