python自动写小说的原理_python写的小说抓取源码【原创】

遇到解码问题,搜索后找到解决方法。源码经过修改如下:

import re

from urllib.request import urlopen

myurl = 'http://www.purepen.com/hlm/'

myhost = myurl

f = open('d:/mytemp/红楼梦.txt','w+',encoding='gb18030')

smsg = urlopen(myurl).read()

#选择解码字符集

if re.search(b'[a-zA-Z0-9\-]*',smsg[smsg.find(b'charset=')+8:]).group() == b'GB2312' \

or re.search(b'[a-zA-Z0-9\-]*',smsg[smsg.find(b'charset=')+8:]).group() == b'gb2312':

charset = 'gb18030'

if re.search(b'[a-zA-Z0-9\-]*',smsg[smsg.find(b'charset=')+8:]).group() == b'GBK' \

or re.search(b'[a-zA-Z0-9\-]*',smsg[smsg.find(b'charset=')+8:]).group() == b'gbk':

charset = 'gbk'

if re.search(b'[a-zA-Z0-9\-]*',smsg[smsg.find(b'charset=')+8:]).group() == b'UTF-8' \

or re.search(b'[a-zA-Z0-9\-]*',smsg[smsg.find(b'charset=')+8:]).group() == b'utf-8':

charset = 'utf-8'

smsg = smsg.decode(charset) #解码

tmsg = smsg.find("

第 一 回")

t = smsg[tmsg:smsg.find("",tmsg)]

tmsg = t.find("

while tmsg > 0:

#smsg = smsg[smsg.find("

")

chapurl = myhost + t[tmsg + 9 : t.find("\"",tmsg + 12)]

#chapname = t[t.find("html\">")+6:t.find("

",t.find("html\">")+6)]+"\n"

tmsg = t.find("")

t = t[tmsg+6:]

tmsg = t.find("

temp = urlopen(chapurl).read().decode('gb18030')

chapname = temp[temp.find("")+3:temp.find("")] + '\n'

f.write(chapname)

temp = temp[temp.find("

")]

content = temp[temp.find("size=\"3\">")+9:temp.find("")] + "\n"

content = content.replace("\t","")

content = content.replace("
","")

content = content.replace(" ","")

temp = re.split(r'\n',content)

for i in range(len(temp)):

if len(temp[i])<33:

temp[i] = temp[i]+'\n'

f.write(temp[i])

f.close()

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
A: 需要用到的库:requests、re、json、os 1. 导入所需库 ```python import requests import re import json import os ``` 2. 定义一个函数,用于获取指定用户的用户ID ```python def get_user_id(username): url = 'https://www.douyin.com/user/' + username headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.157 Safari/537.36' } response = requests.get(url, headers=headers) user_id = re.findall(r'"user_id":"(.*?)"', response.text) if user_id: return user_id[0] else: return None ``` 3. 定义一个函数,用于获取指定用户的抖音作品列表 ```python def get_aweme_list(user_id, max_cursor=0): url = 'https://www.iesdouyin.com/web/api/v2/aweme/post/?user_id={}&count=21&max_cursor={}&aid=1128&_signature=7X9l0AAs-SbOlcL1l0VEm5o5nf&dytk='.format( user_id, max_cursor) headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.157 Safari/537.36', 'Referer': 'https://www.douyin.com/user/{}'.format(user_id), } response = requests.get(url, headers=headers) aweme_list = json.loads(response.text)['aweme_list'] next_max_cursor = json.loads(response.text)['max_cursor'] return aweme_list, next_max_cursor ``` 4. 调用上面两个函数来获取指定用户的所有作品列表,并下载视频文件 ```python if __name__ == '__main__': username = '抖音号' user_id = get_user_id(username) if not user_id: print('未找到该用户') else: page = 0 max_cursor = 0 while True: aweme_list, next_max_cursor = get_aweme_list(user_id, max_cursor) if not aweme_list: break page += 1 for aweme in aweme_list: video_url = aweme['video']['play_addr']['url_list'][0].replace('playwm', 'play') video_name = '{}_{}.mp4'.format(username, aweme['aweme_id']) video_path = os.path.join(os.path.abspath('.'), 'videos', video_name) if not os.path.exists(video_path): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.157 Safari/537.36' } response = requests.get(video_url, headers=headers, stream=True) with open(video_path, 'wb') as f: for chunk in response.iter_content(1024): f.write(chunk) print('第{}页 第{}个视频 {} 下载成功'.format(page, aweme['rank'], video_name)) else: print('第{}页 第{}个视频 {} 已存在'.format(page, aweme['rank'], video_name)) max_cursor = next_max_cursor ``` 说明: - 第1行:判断当前脚本是否为主程序入口,如果是,则执行下面的代码 - 第7-12行:使用requests库发送GET请求,获取指定用户的主页HTML源码,并使用正则表达式解析出用户ID - 第14-26行:使用requests库发送GET请求,获取指定用户的抖音作品列表,并解析出每个作品的信息 - 第28-44行:循环遍历作品列表中的每个作品,并下载对应的视频文件到本地 - 第32行:由于抖音的视频文件是分片的,所以需要在URL中将playwm替换为play,以获取高清视频文件 - 第34行:构造本地视频文件的名称和路径 - 第36-41行:如果本地视频文件不存在,则使用requests库下载视频文件,并保存到本地 - 第43-44行:如果本地视频文件已存在,则跳过下载过程,直接输出提示信息

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值