python3爬取torrent种子链接实例

Python  /  管理员 发布于 7年前   274

本文环境是python3,采用的是urllib,BeautifulSoup搭建。

说下思路，这个项目分为管理器，url管理器，下载器，解析器，html文件生产器。各司其职，在管理器进行调度。最后将解析到的种子连接生产html文件显示。当然也可以保存在文件。最后效果如图。

首先在管理器SpiderMain()这个类的构造方法里初始化下载器，解析器，html生产器。代码如下。

def__init__(self):  self.urls = url_manager.UrlManager()  self.downloader = html_downloader.HtmlDownloader()  self.parser = html_parser.HtmlParser()  self.outputer = html_outputer.HtmlOutputer()

然后在主方法里写入主连接并开始下载解析和输出。

if __name__ == '__main__':  url = "http://www.btany.com/search/桃谷绘里香-first-asc-1"  # 解决中文搜索问题 对于：？=不进行转义  root_url = quote(url,safe='/:?=')  obj_spider = SpiderMain()  obj_spider.parser(root_url)

用下载器进行下载，解析器解析下载好的网页，最后输出。管理器的框架逻辑就搭建完毕

def parser(self, root_url):    html = self.downloader.download(root_url)    datas = self.parser.parserTwo(html)    self.outputer.output_html3(datas)

downloader下载器代码如下：

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是模仿浏览器的请求头。不然下载不到html文件。

解析器代码如下：

# 解析种子文件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# 将种子文件的标题，磁力链接和迅雷链接进行封装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

通过分析爬下来的html文件,种子链接在a标签下。然后提取magnet和thunder下的链接。

最后输出器输出html文件，代码如下：

def __init__(self):  self.datas = []def collect_data(self, data):  if data is None:    return  self.datas.append(data)#输出表单 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()

项目就结束了。源代码已上传，链接https://github.com/Ahuanghaifeng/python3-torrent，觉得有用请在github上给个star，您的鼓励将是作者创作的动力。

以上这篇python3爬取torrent种子链接实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。


  • 上一条：
    Python3 实现爬取网站下所有URL方式
    下一条：
    Python 实现自动获取种子磁力链接方式

    • 昵称：

    邮箱：

    0条评论 (评论内容有缓存机制,请悉知!)
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客