溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章給大家分享的是有關python3如何爬取torrent種子鏈接的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
本文環境是python3,采用的是urllib,BeautifulSoup搭建。
說下思路，這個項目分為管理器，url管理器，下載器，解析器，html文件生產器。各司其職，在管理器進行調度。最后將解析到的種子連接生產html文件顯示。當然也可以保存在文件。最后效果如圖。
首先在管理器SpiderMain()這個類的構造方法里初始化下載器，解析器，html生產器。代碼如下。
def__init__(self): self.urls = url_manager.UrlManager() self.downloader = html_downloader.HtmlDownloader() self.parser = html_parser.HtmlParser() self.outputer = html_outputer.HtmlOutputer()
然后在主方法里寫入主連接并開始下載解析和輸出。
if __name__ == '__main__': url = "http://www.btany.com/search/桃谷繪里香-first-asc-1" # 解決中文搜索問題 對于：？=不進行轉義 root_url = quote(url,safe='/:?=') obj_spider = SpiderMain() obj_spider.parser(root_url)
用下載器進行下載，解析器解析下載好的網頁，最后輸出。管理器的框架邏輯就搭建完畢
def parser(self, root_url): html = self.downloader.download(root_url) datas = self.parser.parserTwo(html) self.outputer.output_html3(datas)
downloader下載器代碼如下：
def download(self, chaper_url):
if chaper_url is None:
return None
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'}
req = urllib.request.Request(url=chaper_url, headers=headers)
response = urllib.request.urlopen(req)
if response.getcode() != 200:
return None
return response.read()headers是模仿瀏覽器的請求頭。不然下載不到html文件。
解析器代碼如下：
# 解析種子文件
def parserTwo(self,html):
if html is None:
return
soup = BeautifulSoup(html,'html.parser',from_encoding='utf-8')
res_datas = self._get_data(soup)
return res_datas
# 將種子文件的標題，磁力鏈接和迅雷鏈接進行封裝
def _get_data(self,soup):
res_datas = []
all_data = soup.findAll('a',href=re.compile(r"/detail"))
all_data2 = soup.findAll('a', href=re.compile(r"magnet"))
all_data3 = soup.findAll('a',href=re.compile(r"thunder"))
for i in range(len(all_data)):
res_data = {}
res_data['title'] = all_data[i].get_text()
res_data['cl'] = all_data2[i].get('href')
res_data['xl'] = all_data3[i].get('href')
res_datas.append(res_data)
return res_datas通過分析爬下來的html文件,種子鏈接在a標簽下。然后提取magnet和thunder下的鏈接。
最后輸出器輸出html文件，代碼如下：
def __init__(self):
self.datas = []
def collect_data(self, data):
if data is None:
return
self.datas.append(data)
#輸出表單
def output_html3(self,datas):
fout = open('output.html', 'w', encoding="utf-8")
fout.write("<html>")
fout.write("<head><meta http-equiv=\"content-type\" content=\"text/html;charset=utf-8\"></head>")
fout.write("<body>")
fout.write("<table border = 1>")
for data in datas:
fout.write("<tr>")
fout.write("<td>%s</td>" % data['title'])
fout.write("<td>%s</td>" % data['cl'])
fout.write("<td>%s</td>" % data['xl'])
fout.write("</tr>")
fout.write("</table>")
fout.write("</body>")
fout.write("</html>")
fout.close()
感謝各位的閱讀！關于“python3如何爬取torrent種子鏈接”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
