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:17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: 日韩欧美在线视频观看 | 日本免费成人网 | 中文字幕曰韩一区二区不卡 | 女性无套免费网站在线看 | a亚洲天堂 | 国产精品免费一级在线观看 | 午夜丝袜美腿福利视频在线看 | 日韩视频观看 | 国产一区二区三区在线观看视频 | 99re热精品视频国产免费 | 国产三级精品三级 | 一区二区成人国产精品 | 日本免费不卡在线一区二区三区 | 久久青草免费线观最新 | 欧美日产国产亚洲综合图区一 | 在线免费观看成年人视频 | 国产日韩一区二区三区 | 久久香蕉国产观看猫咪3atv | 在线观看香蕉免费啪在线观看 | 手机看片久久高清国产日韩 | 最新久久免费视频 | 国产亚洲精品一区二区在线播放 | 午夜三级在线 | 亚洲tv成人天堂在线播放 | 中国一级毛片免费观看 | 欧美巨大video粗暴 | 精品久久久影院 | 91亚洲国产| 日韩精品在线一区二区 | 国产免费一级在线观看 | 鲁大师成人精品视频 | 国产主播第一页 | 操12p| 日韩精品欧美国产精品亚 | 91久久精品国产亚洲 | 免费特级毛片 | 成人国产精品一级毛片视频 | 日本特黄特色高清免费视频 | 波多野结衣视频在线 | 成人免费视频一区二区三区 | 美女被免费网站视频软件 |