. 1 # ! / Usr / bin / Python 2 # - * - Codificación:. UTF-8 - * - 3. # @Time: 03/25/2020 19:09 . 4 # @author: Meng . 5 # @file: paxmly.py . 6 # @Software: PyCharm . 7 . 8 importación solicita # página de información de la página del navegador analógico para el rastreo 9. importación PARSEL # paquete de análisis sintáctico página 10 cabeceras = { # disfrazada petición formato de datos de cabecera del navegador es un diccionario de 11. ' User-Agent ' : 'Mozilla / 5.0 (Windows NT 10,0; Win64; x64-) AppleWebKit / 537.36 (KHTML, como el Gecko) la Chrome / 80.0.3987.149 Safari / 537.36 ' 12 es } 13 es de respuesta = requests.get (URL = ' HTTPS: //www.ximalaya. COM / youshengshu / 34013148 / P2 / 'cabeceras = cabeceras) # rastrear páginas especificado lista de reproducción 14 SEL = parsel.Selector (response.text) # de análisis web 15 sound_list = sel.css ( ' lista .Sound UL-Li un ' ) # consigue una página ligada 30 16 list_all = [] # almacenado lista de todos los resultados de 17. de sonido en sound_list [doce y media]: # rebanada 18 es # impresión (Sound) 19. MEDIA_URL sound.css = ( ' A :: attr (el href) ' ) .extract_first () # remove enlace 20 es # impresión (MEDIA_URL) 21 es MEDIA_URL media_url.split = ( ' / ' ) [-. 1 ] # eliminar la ID de audio 22 es # impresión (MEDIA_URL) 23 es Media_name sound.css = ( " a :: attr (título) " ) .extract_first () # eliminado nombre audio 24 # de impresión (Media_name) 25 list_all.append ((MEDIA_URL , Media_name)) # anexados a la lista 26 # Impresión (list_all) 27 # adquirida enlace encapsulado verdadera canción def define la función 28 def media_api (track_ID): 29 api_url = F ' https://www.ximalaya.com/revision/play/v1/audio?id= } & PTYPE track_ID = {1. ' ; 30 Respuesta = requests.get (api_url, cabeceras = cabeceras) 31 es # impresión (response.json ()) 32 # retorno JSON extraído por medio de un diccionario [] 33 es data_json = response.json () 34 es = data_json el src [ ' datos ' ] [ ' el src ' ] 35 de retorno del src 36 # descargador de descarga MP4 37 [ DEF download_meida (MEDIA_URL, Media_name): 38 es de respuesta = requests.get (MEDIA_URL, cabeceras = cabeceras); 39 con Open (F ' {} .mp4 Media_name ' , MODE = ' WB ' ) AS F: # descarga el archivo como el nombre del archivo 40 f.write (response.content) 41 es SI el __name__ == ' __main__ ' : 42 es para la dirección URL en list_all: 43 es de impresión ([. 1 URL ]) 44 es = Media_api true_url (URL [0]) # representante de nuestra Identificación del audio, un identificador único 45 nombre URL = [. 1 ] 46 es download_meida (true_url, nombre)
1 # 能发送http请求的库 2 importación solicitudes 3 de importación PARSEL 4 cabeceras = { 5 ' User-Agent ' : ' Mozilla / 5.0 (Windows NT 6.1; Win64; x64) AppleWebKit / 537.36 (KHTML, como Gecko) Chrome / 77,0 .3865.120 Safari / 537.36 ' 6 } 7 8 def download_meida (MEDIA_URL, media_name): 9 de respuesta = requests.get (MEDIA_URL, cabeceras = cabeceras); 10 con abierto (f ' {} media_name .mp4 ' , modo = ' wb ') Como f: 11 f.write (response.content) 12 13 def media_api (track_id): 14 api_url = f ' https://www.ximalaya.com/revision/play/v1/audio?id={track_id}&ptype = 1 ' ; 15 de respuesta = requests.get (api_url, cabeceras = cabeceras) 16 # de impresión (response.json ()) 17 # json Vuelta a la descripción字典类型提取使用[] 18 data_json = response.json () 19 src = data_json [ ' datos ' ] [ ' src ' ] 20 de retorno src 21 es 22 es # impresión (media_api (98791745)) 23 es 24 DEF get_total_page (PAGE_URL): 25 # solicitud de página 26 es de respuesta = requests.get (PAGE_URL, cabeceras = cabeceras) 27 # adquirieron página HTML contenido 28 SEL = parsel.Selector (Respuesta .text) 29 # encontrar un sello por el selector CSS atributo de clase .Sound-lista como un sonido-lista y en el siguiente li UL 30 sound_list = sel.css ( ' lista .Sound un li UL ' ) 31 # sólo el primer enlace 30 páginas es interceptado antes de 30 32 para sonido en sound_list [: 30 ]: 33 es # extract_first () será extraída del texto objeto 34 # Get href atributo de una etiqueta de los contenidos 35 MEDIA_URL sound.css = ( ' un :: attr (href) ' ) .extract_first () 36 # / youshengshu / 16411402 / 98791745-- sólo a la ID más posterior 37 [ MEDIA_URL media_url.split = ( ' / ' ) [-. 1 ] 38 es # Obtiene el atributo de título de los contenidos de una etiqueta 39 Media_name sound.css = ( ' un :: attr (título) ' ) .extract_first () 40 # con el contenido de todo un retorno rendimiento ciclo 41 es rendimiento MEDIA_URL, Media_name 42 es 43 es SI la __name__ == ' __main__ ' : 44 es # páginas de circulación páginas de descarga descargan gama representativa del rango de 45 para Página en gama (l, 3 ): 46 se meidas get_total_page = (F ' https://www.ximalaya.com/yinyue / 23.84118 millones de euros / Página {P} ' ) 47 de ID_de_medio, Media_name en meidas: 48 # de impresión (MEDIA_URL, Media_name) 49 MEDIA_URL = media_api (ID_de_medio) 50 Imprimir (MEDIA_URL) 51 es download_meida (MEDIA_URL, Media_name)