PS:如有需要 Python学习资料
以及 解答
的小伙伴可以加点击下方链接自行获取
-
Python 3.6
-
Pycharm
import os
import requests
import time
import re
import json
from docx import Document
from docx.shared import Cm
安装Python并添加到环境变量,pip安装需要的相关模块即可。
网站的文档内容,都是以图片形式存在的。它有自己的数据接口
接口链接:
https://openapi.book118.com/getPreview.html?&project_id=1&aid=272112230&t=f2c66902d6b63726d8e08b557fef90fb&view_token=SqX7ktrZ_ZakjDI@vcohcCwbn_PLb3C1&page=1&callback=jQuery18304186406662159248_1614492889385&_=1614492889486
接口的请求参数
-
请求网页返回response数据(字符串)
-
通过re模块匹配提取中间的数据(列表)索引取0(字符串)
-
通过json模块是把提取出来的数据转换成json模块
-
通过遍历获取每张图片的url地址
-
保存图片到本地文件夹
-
把图片保存到word文档
def download():
content = 0
for page in range(1, 96, 6):
给定 2秒延时
time.sleep(2)
获取时间戳
now_time = int(time.time() * 1000)
url = ‘https://openapi.book118.com/getPreview.html’
请求参数
params = {
‘project_id’: ‘1’,
‘aid’: ‘272112230’,
‘t’: ‘f2c66902d6b63726d8e08b557fef90fb’,
‘view_token’: ‘SqX7ktrZ_ZakjDI@vcohcCwbn_PLb3C1’,
‘page’: f’{page}',
‘_’: now_time,
}
请求头
headers = {
‘Host’: ‘openapi.book118.com’,
‘Referer’: ‘https://max.book118.com/html/2020/0427/8026036013002110.shtm’,
‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36’
}
response = requests.get(url=url, params=params, headers=headers)
使用正则表达式提取内容
result = re.findall(‘jsonpReturn((.*?))’, response.text)[0]
字符串转json数据
json_data = json.loads(result)[‘data’]
字典值的遍历
for value in json_data.values():
content += 1
拼接图片url
img_url = ‘http:’ + value
print(img_url)
最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!