吾爱破解 - LCG - LSG |安卓破解|病毒分析|www.52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 2891|回复: 4
收起左侧

[Python 转载] 【小爬系列】爬取磁链

[复制链接]
smallchen 发表于 2021-1-16 15:00
本帖最后由 smallchen 于 2021-1-16 15:57 编辑

以下如有违规请删帖处理
第一次学Python时写的,网上随便找了个磁链开始爬取,不巧,还正好遇到个值得细细研究的
问题如下:
1、网站实际地址和post查询的地址不是同一个
2、POST的地址跟获取详情的地址也不是用一个
3、刚开始学Python还不会去重

image.png
代码如下

[Python] 纯文本查看 复制代码
import time

import requests
import json
from lxml import etree


def main():
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'
    }
    name = input("请输入汇总关键字:")
    print('您输入的关键字为:', name)
    no_has = input("请输入需要排除的关键字,以逗号拼接:")
    print('您需要排除的关键字为:', no_has)
    bus12(name=name, no_has=no_has, headers=headers)


def bus12(name, no_has, headers):
    base_url = 'http://www.bus12.xyz'
    post_url = 'https://dht.jbib.com/api/bt/ssbc'
    param = {
        'key': name,
        'from': 1,
        'type': 'all',
    }
    already = 1
    now_time = time.strftime('%Y%m%d%H%M%S', time.localtime(time.time()))
    page_res = requests.post(url=post_url, headers=headers, timeout=30, data=param).json()
    if page_res['code'] == 0:

        msg = json.loads(page_res['msg'])
        page_count = msg['page']
        count = msg['sum']
        for page in range(page_count):
            param = {
                'key': name,
                'from': page + 1,
                'type': 'all',
            }
            page_res = requests.post(url=post_url, headers=headers, timeout=30, data=param).json()
            msg = json.loads(page_res['msg'])
            data_list = msg['data']
            for data in data_list:
                id_key = data['id_IK']
                title = data['name_simple']
                print('(', already, '/', count, ')|========查询到:', title)
                already = already + 1
                is_has = False
                if no_has != '':
                    for has in no_has.split(','):
                        if has in title:
                            print('|========存在关键字:', has)
                            is_has = True

                if not is_has:
                    detail_url = base_url + '/Info?id=' + id_key
                    detail_res = requests.get(url=detail_url, headers=headers).text
                    html = etree.HTML(detail_res)
                    detail = html.xpath('//div[@class="box_line"]')
                    if detail:
                        detail = detail[0]
                    else:
                        continue
                    if 'size' in data:
                        size = data['size']
                    else:
                        size = '未知'
                    magnet_data = detail.xpath('./input[@id="mag-link"]/@value')[0]
                    if 'magnet' in magnet_data:
                        with open(name + '-' + now_time + ".txt", "a") as f:
                            f.write(title + ',' + size + ',' + magnet_data + '\n')
                    else:
                        print('|========', title, '链接已屏蔽')


if __name__ == '__main__':
    main()
    print('|=================完成=================|')


image.png

免费评分

参与人数 1吾爱币 +1 热心值 +1 收起 理由
owengolfman + 1 + 1 谢谢@Thanks!

查看全部评分

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。

初见悲风 发表于 2021-1-16 16:19
奥特曼不存在(手动狗头)
owengolfman 发表于 2021-1-16 16:35
senwar 发表于 2021-1-21 12:14
大哥,可以定制不,我充了一个网站的VIP会员,想下载那里的PPT,如果可以的话私信呀!
mettle 发表于 2021-1-21 14:10
学习一下不错的东东!
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则 警告:本版块禁止灌水或回复与主题无关内容,违者重罚!

快速回复 收藏帖子 返回列表 搜索

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, 2024-5-1 18:10

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表