吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 10934|回复: 37
收起左侧

[Python 原创] Python 爬取某小说网站+转存到百度网盘

  [复制链接]
null119 发表于 2019-8-8 21:37
本帖最后由 null119 于 2019-8-8 23:07 编辑

小说网站:http://mebook.cc/

百度网盘的文件转存在网上查阅了很多代码资料,现在大多都用不了,只能自己分析,花了大半天时间才搞定。

先上图:
QQ截图20190808203757.png

QQ截图20190808203842.png

代码分两块,一块是爬取小说mebook.py,另一块是保存到百度网盘Commonly.py,两个文件放在同一文件夹即可,分开写是为了以后调用方便

mebook.py

[Python] 纯文本查看 复制代码
import requests,re
from lxml import etree
import Commonly

def gethtml(url,encode): #获取网页源码
    global headers
    headers = {
        'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
        'user-agent':Commonly.get_user_agent_pc()
    }
    r = requests.get(url, headers=headers)
    if r.status_code!=200:
        print('Error',url)
    else:
        r.encoding = encode
    return r.text

if __name__ == '__main__':
    #   BDUSS = 从百度COOKICES中提取
    #   STOKEN = 从百度COOKICES中提取
    #   bdstoken = 从百度COOKICES中提取
    BDUSS = ''
    STOKEN = ''
    bdstoken = ''
    savepath = 'mybook'
    url='http://mebook.cc/'
    html=gethtml(url,'utf-8')
    ehtml = etree.HTML(html)
    MenuUrlList =ehtml.xpath('//*[@class="sub-menu"]/li/a/@href')
    MenuTitle = ehtml.xpath('//*[@class="sub-menu"]/li/a/text()')
    tmp = ''
    c = 0
    for i in range(0,len(MenuUrlList)):
        if len(str(i))==1:
            id=' '+str(i)
        else:
            id=str(i)
        if c<2:
            tmp=tmp+'ID:'+id+' '+MenuTitle[i]+'\t\t'
            c += 1
        else:
            print(tmp+'ID:'+id+' '+MenuTitle[i]+'\t\t')
            tmp = ''
            c=0
    print(tmp)
    val=input('请输入需要获取分类ID:')
    html = gethtml(MenuUrlList[int(val)],'utf-8')
    page=re.findall('共 \d+ 页',html)[0].replace('共 ','').replace(' 页','')
    for i in range(1,int(page)+1):
        if i==1:
            html = gethtml(MenuUrlList[int(val)], 'utf-8')
        else:
            html = gethtml(MenuUrlList[int(val)]+'/page/'+str(i), 'utf-8')
        ehtml = etree.HTML(html)
        listurl = ehtml.xpath('//*[@class="list"]/li/div[2]/h2/a/@href')
        count=1
        for j in listurl:
            zhtml=gethtml(j,'utf-8')
            ezhtml = etree.HTML(zhtml)
            downlink = ''.join(ezhtml.xpath('//*[@class="downbtn"]/@href'))
            bookname = ''.join(ezhtml.xpath('//*[@class="downbtn"]/@title'))
            try:
                thtml=gethtml(downlink,'utf-8')
                try:
                    bdpsw=re.findall('百度网盘密码:[ ]{0,1}[A-Za-z0-9]{4}',thtml)[0].replace('百度网盘密码:','').replace(' ','')
                    downurl=re.findall('http[s]{0,1}://pan\.baidu\.com/.*?"',thtml)[0].replace('"','')
                    print('共【'+page+'】页/当前第【'+str(i) +'】页/第【'+str(count)+'】本, '+bookname+' 百度网盘分享链接:'+downurl+'  提取码:'+bdpsw +'  '+Commonly.bdsave(downurl,bdpsw,savepath,BDUSS,STOKEN,bdstoken))
                    count+=1
                except:
                    pass
            except:
                pass



Commonly.py
[Python] 纯文本查看 复制代码
import random,requests,re

# pc headers user-agent
user_agent_pc = [
    # 谷歌
    'Mozilla/5.0.html (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.html.2171.71 Safari/537.36',
    'Mozilla/5.0.html (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.html.1271.64 Safari/537.11',
    'Mozilla/5.0.html (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.html.648.133 Safari/534.16',
    # 火狐
    'Mozilla/5.0.html (Windows NT 6.1; WOW64; rv:34.0.html) Gecko/20100101 Firefox/34.0.html',
    'Mozilla/5.0.html (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10',
    # opera
    'Mozilla/5.0.html (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.html.2171.95 Safari/537.36 OPR/26.0.html.1656.60',
    # qq浏览器
    'Mozilla/5.0.html (compatible; MSIE 9.0.html; Windows NT 6.1; WOW64; Trident/5.0.html; SLCC2; .NET CLR 2.0.html.50727; .NET CLR 3.5.30729; .NET CLR 3.0.html.30729; Media Center PC 6.0.html; .NET4.0C; .NET4.0E; QQBrowser/7.0.html.3698.400)',
    # 搜狗浏览器
    'Mozilla/5.0.html (Windows NT 5.1) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.html.963.84 Safari/535.11 SE 2.X MetaSr 1.0.html',
    # 360浏览器
    'Mozilla/5.0.html (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.html.1599.101 Safari/537.36',
    'Mozilla/5.0.html (Windows NT 6.1; WOW64; Trident/7.0.html; rv:11.0.html) like Gecko',
    # uc浏览器
    'Mozilla/5.0.html (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.html.2125.122 UBrowser/4.0.html.3214.0.html Safari/537.36',
]

#随机获取一个PC headers user_agent
def get_user_agent_pc():
    return random.choice(user_agent_pc)

#百度网盘转存
#   furl = 分享链接
#   verify = 提取码
#   savepath = 转存到百度网盘指定目录
#   BDUSS = 从百度COOKICES中提取
#   STOKEN = 从百度COOKICES中提取
#   bdstoken = 从百度COOKICES中提取
def bdsave(furl,verify,savepath,BDUSS,STOKEN,bdstoken):
    s = requests.Session()
    s.cookies['BDUSS'] = BDUSS
    s.cookies['STOKEN'] = STOKEN
    surl=furl.split('/')[-1][1:len(furl.split('/')[-1])]
    headers={
        'User-Agent': get_user_agent_pc(),
        'Referer': 'https://pan.baidu.com/share/init?surl='+surl
    }
    req = s.get(furl,headers=headers)
    req.encoding='utf-8'
    if '侵权、色情、反动、低俗' in req.text:
        return ('此链接分享内容可能因为涉及侵权、色情、反动、低俗等信息,无法访问!')
    else:
        purl='https://pan.baidu.com/api/report/user?channel=chunlei&web=1&app_id=250528&bdstoken='+bdstoken+'&logid=MTU2NTI1MzM3OTY2MDAuMjI4MDU3NjY2NTk5MDkwODg=&clienttype=0'
        data = {'timestamp':'1565244533','action':'web_home'}
        req = s.post(purl,data=data,headers=headers)
        purl = 'https://pan.baidu.com/share/verify?surl='+surl+'&t=1565244999152&channel=chunlei&web=1&app_id=250528&bdstoken='+bdstoken+'&logid=MTU2NTI1MzM3OTY2MDAuMjI4MDU3NjY2NTk5MDkwODg=&clienttype=0'
        data = {'pwd':verify,'vcode':'','vcode_str':''}
        req = s.post(purl,data=data,headers=headers)
        rinfo = re.findall('"errno":[-]{0,1}\d+',req.text)[0].replace('"errno":','')
        if rinfo == '-12':
            return ('提取码错误。')
        else:
            req = s.get(furl,headers=headers)
            req.encoding='utf-8'
            shareid=re.findall('"shareid":\d+',req.text)[0].replace('"shareid":','')
            uk=re.findall('uk=\d+',req.text)[0].replace('uk=','')
            fsidlist = re.findall('"fs_id":\d+', req.text)[0].replace('"fs_id":','')
            app_id = re.findall('"app_id":"\d+"',req.text)[0].replace('"app_id":','').replace('"','')
            #print('shareid:',shareid,'uk:',uk,'fs_id:',fsidlist,'app_id:',app_id)
            purl='https://pan.baidu.com/share/transfer?shareid='+shareid+'&from='+uk+'&channel=chunlei&web=1&app_id='+app_id+'&bdstoken='+bdstoken+'&logid=MTU2NTI1MzM3OTY2MDAuMjI4MDU3NjY2NTk5MDkwODg=&clienttype=0'

            data = {
                'fsidlist':'['+fsidlist+']',
                'path':'/'+savepath
            }
            req =s.post(purl,data=data,headers=headers)
            req.encoding = 'utf-8'
            try:
                zcinfo = re.findall('\[\{"errno":[-]{0,1}\d+',req.text)[0].replace('[{"errno":','')
            except:
                return 'Cookies失效,请更新BDUSS、STOKEN、bdstoken后再试!'
            else:
                info ={
                    "0":"转存成功。",
                    "-1":"由于您分享了违反相关法律法规的文件,分享功能已被禁用,之前分享出去的文件不受影响。",
                    "-2":"用户不存在,请刷新页面后重试。",
                    "-3":"文件不存在,请刷新页面后重试。",
                    "-4":"登录信息有误,请重新登录试试。",
                    "-5":"host_key和user_key无效。",
                    "-6":"请重新登录。",
                    "-7":"该分享已删除或已取消。",
                    "-8":"该分享已经过期。",
                    "-9":"访问密码错误。",
                    "-10":"分享外链已经达到最大上限100000条,不能再次分享。",
                    "-11":"验证cookie无效。",
                    "-14":"对不起,短信分享每天限制20条,你今天已经分享完,请明天再来分享吧!",
                    "-15":"对不起,邮件分享每天限制20封,你今天已经分享完,请明天再来分享吧!",
                    "-16":"对不起,该文件已经限制分享!",
                    "-17":"文件分享超过限制。",
                    "-21":"预置文件无法进行相关操作。",
                    "-30":"文件已存在。",
                    "-31":"文件保存失败。",
                    "-33":"一次支持操作999个,减点试试吧。",
                    "-32":"未知结果。",
                    "-70":"你分享的文件中包含病毒或疑似病毒,为了你和他人的数据安全,换个文件分享吧。",
                    "2":"参数错误。",
                    "3":"未登录或帐号无效。",
                    "4":"存储好像出问题了,请稍候再试。",
                    "108":"文件名有敏感词,优化一下吧。",
                    "110":"分享次数超出限制,可以到“我的分享”中查看已分享的文件链接。",
                    "114":"当前任务不存在,保存失败。",
                    "115":"该文件禁止分享。",
                    "112":'页面已过期,请刷新后重试。',
                    "9100":'你的帐号存在违规行为,已被冻结。',
                    "9200":'你的帐号存在违规行为,已被冻结。',
                    "9300":'你的帐号存在违规行为,该功能暂被冻结。',
                    "9400":'你的帐号异常,需验证后才能使用该功能。',
                    "9500":'你的帐号存在安全风险,已进入保护模式,请修改密码后使用。'}
                return (info[zcinfo])

免费评分

参与人数 20吾爱币 +16 热心值 +18 收起 理由
Fireflyyhc + 1 + 1 谢谢@Thanks!
poetbox + 1 谢谢@Thanks!
一杯橙汁 + 1 用心讨论,共获提升!
blueskylu + 1 + 1 我很赞同!
S.u.n + 1 + 1 膜拜大神,jupyter亲测有效,太&amp;amp;#128077;了
ke307 + 1 + 1 厉害
飞扬的旋律 + 1 + 1 感谢发布原创作品,吾爱破解论坛因你更精彩!
mm007 + 1 我很赞同!
zg17j1cxw2k + 1 我很赞同!
hksnow + 1 楼主优秀!
伽马射线暴 + 1 谢谢@Thanks!
HeyNeco + 1 + 1 用心讨论,共获提升!
chunjiangxiyu + 2 + 1 用心讨论,共获提升!
悲蝉唱空凉 + 1 + 1 鼓励转贴优秀软件安全工具和文档!
凯咪 + 1 感谢大佬开源 素质三联支持一波
天天404 + 1 + 1 这个保存到百度云就很秀
Rollingrock + 1 感谢发布原创作品,吾爱破解论坛因你更精彩!
wyl772 + 1 热心回复!
吾爱我的爱 + 2 + 1 感谢发布原创作品,吾爱破解论坛因你更精彩!
Niuer + 2 + 1 这个保存到百度云就很秀

查看全部评分

本帖被以下淘专辑推荐:

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

 楼主| null119 发表于 2019-8-8 21:53
祖高域 发表于 2019-8-8 21:50
支持一下,不过这个用油猴脚本更方便吧

爬虫爬到链接数据后自动转存网盘,再用pandownload一起下载,这已经是我能想到的最简单、快捷的方式了
祖高域 发表于 2019-8-8 21:50
支持一下,不过这个用油猴脚本更方便吧

点评

爬虫爬到链接数据后自动转存网盘,再用pandownload一起下载,这已经是我能想到的最简单、快捷的方式了  详情 回复 发表于 2019-8-8 21:53
andyzzh 发表于 2019-8-8 21:55
jasing 发表于 2019-8-8 21:58
感谢无私分享,收藏先。
san4san 发表于 2019-8-8 22:05
谢谢分享
haiyangnanzi 发表于 2019-8-8 22:14
null119 发表于 2019-8-8 21:53
爬虫爬到链接数据后自动转存网盘,再用pandownload一起下载,这已经是我能想到的最简单、快捷的方式了

大神,成品呢?我没看到链接啊?
悲蝉唱空凉 发表于 2019-8-8 22:16
转存到百度网盘秀秀秀~
头像被屏蔽
和蔼的小傲娇 发表于 2019-8-8 22:20
提示: 作者被禁止或删除 内容自动屏蔽
天牛py 发表于 2019-8-8 22:22
6啊,虽然看不懂,好用就对了。
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-11-29 15:26

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表