[python]某乎盐选vip文章下载分析

cococola

一、前言
本贴仅用于学习交流方法。如有违规，请版主大大删除。
我写这篇帖子的灵感来自于看到了【waahah】大佬发布的某乎盐选文章下载器，其贴链接为：知乎盐选文章下载
https://www.52pojie.cn/thread-1718850-1-1.html
(出处: 吾爱破解论坛)
由于这位大佬只是把成品放了上了，没有给出其源代码，于是我这个小白就斗胆尝试分析了一波，下面我将分享我的学习过程。
如【waahah】大佬觉得不合适，请告知我，我会立即删帖，以示尊重。
二、思路分析
以下面的文章为例，可以看到这是一篇需要vip才可以看的文章

那么我们如何才能不花钱白嫖呢？这里就需要用到一个解析网站：https://mfyx.top/
在这里只要将文章的url地址粘贴进去就可以呈现出整篇文章。
那么接下来我需要做的是分析网页源代码，并把文章里面关键的标题、简介、段落等
有用的关键性的信息爬取出来就可以了。
三、实现过程
调出网页抓包工具，分析下会发现在将url地址粘贴并搜索之后，会出现一个之前没有的数据包search
发现里面的响应信息恰好是我们要看的这篇文章的相关内容

而之后在跳转到这篇文章后就会发现，无论是哪篇文章，其跳转后的地址都为https://mfyx.top/archives/10114这种类型
是不是会有些眼熟，这里的数字不就是search数据包里面的id么？接下来就迎刃而解了。
四、源代码
我这里为了方便一些，就把爬取到的数据直接写在txt文件中了。

[Python] 纯文本查看 复制代码

#!/usr/bin/env/ python
# -*- coding:utf-8 -*-
# [url=home.php?mod=space&uid=686208]@AuThor[/url] : zxy
import time
import requests
from lxml import etree


url = "https://mfyx.top/api/search"
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36"
}
org_url = input("请输入知乎盐选文章的分享地址：")
data = {"url": [org_url]}
response = requests.post(url=url, json=data, headers=headers).json()
# print(response)
arc_id = response["id"]
title = response["title"].replace("?", "")
des = response["description"]
new_url = f"https://mfyx.top/archives/{arc_id}"
res = requests.get(new_url, headers=headers).text
# print(res)
# xpath：//*[@id="lightgallery"]/p
html = etree.HTML(res)
p = html.xpath('//*[@id="lightgallery"]/p/text()')
# print(type(p), p)
print(f"小主为您找到文章的简介：\n{des}")
time.sleep(3)
start = time.time()
with open(f"{title}.txt", "w", encoding="utf-8") as f:
    for each_line in p:
        f.write(each_line + "\n")
    end = time.time()
    print(f"[{title}]文章下载完毕,共耗时{end - start:.2f}秒")

五、成品
因【waahah】大佬的帖子中已经有做好的成品了，且是下载为pdf格式的文件。我这里就不再打包了，如果有需要的就去【waahah】大佬的帖子：
https://www.52pojie.cn/thread-1718850-1-1.html 下载吧~~~

断桥隔爱

人家的接口失效的话，这个也失效了

huang9126

https://mfyx.top/
好像已经失效了

jingcaiaze

感谢分享

waahah

cococola 发表于 2022-12-4 00:11
@waahah

代码已经在我Github的对应仓库上开源过了，你要想看的话可以看看

https://github.com/waahah/async-spider/blob/main/yanxuan/yanxuan.py

cococola

@waahah

空竹

楼主 早点睡觉吧

wan456

myfx这个中转站也是爬虫趴下来的，

涛之雨

感觉原理就是作者买了个严选的什么会员，然后丢到服务器上去替你请求。。。

cflying

涛之雨 发表于 2022-12-4 09:01
感觉原理就是作者买了个严选的什么会员，然后丢到服务器上去替你请求。。。

感觉不是用账号现查，应该是前期爬下来的文章库，然后去查文章库

ljl403068

学习了,就是后面的接口不太理解,刚学,王李姐

runfog

已经有做好的成品了