教你如何用python俘获女神芳心

教你如何用python爬取豆丁网付费文章俘获女神芳心。

事情是这样的
女神想要一篇关于如下的文章:

可一看，下载需要十个米，作为打工人哪舍得花这个钱去下载如此贵的文章，于是她想到了我。

记录：


这里聊天告一段落，
身兼CV大法的我看了看,怎么可以在女神面前这么无能呢·，分析了一下该网站，好家伙，这算法我不想找了，据我分析，是通过wasm文件加载的算法.
如下是加密数据:

但是可见即可爬，然后又尝试了selenium也翻车，也不想试其他的了，于是我选择了另一种查看方式，这下总算被我发现了可行方法，于是撸代码。

# -*- coding: utf-8 -*-
"""
# @Time         : 2021/11/2 11:06
# @Author       : ChenLvLei
# @Email        : 2516455367@qq.com
# @FileName     : docin
# @Description  :
"""
import os
from fpdf import FPDF
from PIL import Image
from pdf2docx import Converter
from configparser import ConfigParser

import requests

headers = {
    'Accept': 'image/avif,image/webp,image/apng,image/svg+xml,image/*,*/*;q=0.8',
    'Accept-Encoding': 'gzip, deflate, br',
    'Accept-Language': 'zh-CN,zh;q=0.9',
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36"
                  " (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36"}


def download(**kwargs):
    page = kwargs.pop('maxPage')
    for page in range(1, page):
        print(f'豆丁文档下载中......第{page}张')
        kwargs.update({'pageno': str(page)})
        response = requests.request("GET",
                                    'https://docimg1.docin.com/docinpic.jsp?',
                                    headers=headers,
                                    params=kwargs)
        if not os.path.exists('./豆丁'):
            os.mkdir('./豆丁')
        with open(f'./豆丁/{page}.png', 'wb') as f:
            f.write(response.content)


def generate_pdf(pdf_file_name, list_ages):
    cover = Image.open(list_ages[0])
    width, height = cover.size

    pdf = FPDF(unit="pt", format=[width, height])

    for page in list_ages:
        pdf.add_page()
        pdf.image(page, 0, 0)

    pdf.output(pdf_file_name, "F")


def pdf_to_word():
    config_parser = ConfigParser()
    config_parser.read('config.cfg', encoding='utf-8')
    config = config_parser['default']

    for file in os.listdir(config['pdf_folder']):
        extension_name = os.path.splitext(file)[1]
        if extension_name != '.pdf':
            continue
        file_name = os.path.splitext(file)[0]
        pdf_file = config['pdf_folder'] + '/' + file
        word_file = config['word_folder'] + '/' + file_name + '.docx'
        cv = Converter(pdf_file)
        cv.convert(word_file)
        cv.close()


def main(
        file: str,
        width: str,
        sid: str,
        pageno: str,
        pcimg: str,
        page: int,
        **kwargs):
    key = {
        'file': file,
        'width': width,
        'sid': sid,
        'pageno': pageno,
        'pcimg': pcimg,
        'maxPage': page
    }
    download(**key)
    generate_pdf(
        "人力资源项目计划书.pdf",
        ['./豆丁/' + imgFileName
         for imgFileName in
         os.listdir('./豆丁')
         if imgFileName.endswith(".png")])


if __name__ == '__main__':
    main('填入对应参数即可')```

最终不负所托完成了女神交付的任务。

就这样，我成功忽悠到10米。

你以为事情就这样结束了吗？？？大错特错！错的离谱！不能再错了！

正当我准备给女神用网上免费的OCR字符识别库Tesseract，识别一下文字，免得女神复制的如此辛苦，结果：

女神由于被我忽悠了10米，于是气氛的去上个厕所压压惊，结果特喵手机掉厕所了。。。。。。

这时候女神的心情就如同她掉到厕所的手机，一样沉重.

洗澡睡觉觉啦，觉得不错的小伙伴点赞关注不迷路
本故事根据真实故事改编
如有侵权 联系删除