[[407938]]

本文轉(zhuǎn)載自微信公眾號(hào)「Python技術(shù)」，作者派森醬。轉(zhuǎn)載本文請(qǐng)聯(lián)系Python技術(shù)公眾號(hào)。

在路上發(fā)現(xiàn)好多人都喜歡用耳機(jī)聽小說(shuō)，同事居然可以一整天的帶著一只耳機(jī)聽小說(shuō)。小編表示非常的震驚。今天就用 Python 下載聽小說(shuō) tingchina.com的音頻。

書名和章節(jié)列表

隨機(jī)點(diǎn)開一本書，這個(gè)頁(yè)面可以使用 BeautifulSoup 獲取書名和所有單個(gè)章節(jié)音頻的列表。復(fù)制瀏覽器的地址，如：https://www.tingchina.com/yousheng/disp_31086.htm。

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, 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 

音頻地址

打開單個(gè)章節(jié)的鏈接，在 Elements 面板用章節(jié)名稱作為搜索詞，在底部發(fā)現(xiàn)了一個(gè) script，這一部分就是聲源的地址。

在 Network 面板可以看到，聲源的 url 域名和章節(jié)列表的域名是不一樣的。在獲取下載鏈接的時(shí)候需要注意這一點(diǎn)。

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) 

下載

驚喜總是突如其來(lái)，把這個(gè) https://t3344.tingchina.com/xxxx.mp3 放入瀏覽器中運(yùn)行居然是 404。

肯定是少了關(guān)鍵性的參數(shù)，回到上面 Network 仔細(xì)觀察 mp3 的 url，發(fā)現(xiàn)在 url 后面帶了一個(gè) key 的關(guān)鍵字。如下圖，這個(gè) key 是來(lái)自于 https://img.tingchina.com/play/h5_jsonp.asp?0.5078556568562795 的返回值，可以使用正則表達(dá)式將 key 取出來(lái)。

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__ 中將以上的代碼串聯(lián)起來(lái)。

if __name__ == "__main__": 
    url = input("請(qǐng)輸入瀏覽器書頁(yè)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() 

總結(jié)

這個(gè) Python 爬蟲比較簡(jiǎn)單，小編的每個(gè)月 30 元的流量都不夠用，又了這個(gè)小程序在地鐵上就可以不用流量聽小說(shuō)了。