国产成人精品久久免费动漫-国产成人精品天堂-国产成人精品区在线观看-国产成人精品日本-a级毛片无码免费真人-a级毛片毛片免费观看久潮喷

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:32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: 久久99网站| aaaaaaa一级毛片 | 国产在线成人一区二区 | 手机在线观看a | 国产成人免费网站在线观看 | 免费99视频 | 免费看一级毛片欧美 | 久草在线视频免费播放 | 日本三级香港三级人妇99视 | 成人国产精品毛片 | 国产手机精品视频 | 高清亚洲 | 成人黄色在线网站 | 久久伊人男人的天堂网站 | 国产情侣久久精品 | 黄色美女毛片 | 欧美一级毛片一免费 | 亚洲第一区视频在线观看 | 国产天堂亚洲精品 | 国产精品夜色视频一级区 | 波多野结衣一区二区三区在线观看 | 久久777国产线看是看精品 | 成人免费一级片 | 精品国产高清a毛片 | 亚洲天堂2016 | 日本加勒比在线视频 | 国产男人天堂 | 色天天躁夜夜躁天干天干 | 久久99精品九九九久久婷婷 | 成年女人在线视频 | 国产精品久久久久久久久久影院 | 国产在线啪| 久久久久欧美精品观看 | 国产精品成人观看视频国产 | 午夜欧美精品久久久久久久久 | 深夜爽爽爽福利动态图 | 91香蕉成人 | 久久6视频| 美女图片1314mm爽爽爽 | 国产91精品一区二区 | 三级黄色在线 |