首页 编程教程正文

用Python爬取百度文库0下载券的免费文档详细步骤,附可执行软件

piaodoo 编程教程 2020-02-22 22:16:16 1029 0 python教程

本文来源吾爱破解论坛

以前在百度文库上搜索文档,经常会找到不需要下载券的免费文档。但是现在百度文库把免费的文档都分散到了后面,让人不容易找到。
要爬取这些文档,首先要分析百度文库的搜索内容,有的需要下载券,有的需要0下载券但是VIP专享


我们需要0下载券又没有VIP专享的文档,比如下面这样的:

我把所有0下载券的文档标题、格式、时间、大小、下载量存到数组,打印出来。
需要先遍历所有的搜索页,我分析了一下地址:
https://wenku。baidu。com/search?word=%C8%FD%C9%FA%C8%FD%CA%C0%CA%AE%C0%EF%CC%D2%BB%A8&org=0&fd=0&lm=0&od=0&pn=10
这个地址只有Word和pn这两个参数是变化的,而且很容易分析出Word是搜索的关键字,pn可以理解为页码,pn=0是第1页,pn=10是第2页。
搜索的关键词需要先经过编码再添加到地址中。

运行代码输出的部分结果:

副本.jpg (79.92 KB, 下载次数: 1)

下载附件  保存到相册

2020-1-14 21:24 上传


打开第一个结果的链接,就是不需要下载券的文档,可以直接下载了:

副本.jpg (51.78 KB, 下载次数: 2)

下载附件  保存到相册

2020-1-14 21:27 上传


下面是完整代码和详细注释:
[Python] 纯文本查看 复制代码
from urllib import parse
import requests
import webbrowser
from pyquery import PyQuery as pq

def getPage(keyW):
    pn = 0#从第1页开始
    try:
        while keyW != '':#关键词不能为空
            url = 'https://wenku.baidu.com/search?word=' + keyW + '&org=0&fd=0&od=0&pn=' + str(pn)
            r = requests.get(url)
            r.encoding = 'gb2312'#需要先将获取的源码进行编码再交给pyquery,否则汉字都是乱码
            doc = pq(r.text)
            len1 = len(doc('dl'))#dl是每条搜索内容的标签,这一句是获取当前页的搜索数
            if pn == 0 and len1 == 0:
                #百度文库中没有搜索不到结果的情况。如果第一页就没有结果,说明需要验证网页,
                # 因为如果搜索太频繁,百度文库会提示需要验证
                print("提示:因操作频繁,本次需要验证。验证完成后,重新搜索。")
                webbrowser.open(url, new=0)#这一句可以直接打开浏览器,自己手动在网页上验证。
                                        # 验证完跳出循环,运行结束。自己再重新执运行码。每天最多只需验证一次。
                break
            else:
                for dl in range(len1):#遍历所有结果
                    list = []
                    dl_eq = doc('dl').eq(dl)#这样获取的dl标签的源码,这一句很重要
                    if 'VIP专享' not in dl_eq.find('.ico-vip-special').text() and '0下载券' in dl_eq.find('.detail-info').text():
                    #判断是不是0下载券,又没有VIP专享
                        list.append(dl_eq.find('.log-xsend').text())#标题写入list数组
                        list.append(dl_eq.find('.ic').attr('title'))#格式写入list数组
                        list.append(dl_eq.find('.detail-info').text().split('|', 4)[0])#日期写入list数组
                        list.append(dl_eq.find('.detail-info').text().split('|', 4)[1])#大小写入list数组
                        list.append(dl_eq.find('.detail-info').text().split('|', 4)[2])#下载量写入list数组
                        list.append(dl_eq.find('.log-xsend').attr('href'))#链接写入list数组
                        print(list)
                if len(doc('.page-content .next'))==0:#当网页中没有下一页标签就是最后一页了。.page-content .next是下一页的class
                    print("提示:搜索完成。")
                    break
                pn = pn+10#进入下一页
        else:
            print("提示:请输入关键词。")
    except requests.exceptions.ConnectionError:
        print("提示:网络异常,请检查网络并重新搜索!")

if __name__ == '__main__':
    keyWord = "三生三世十里桃花".replace(' ', '')#去掉关键词中的空格,关键词根据个人需要修改
    keyW = parse.quote(keyWord.encode('gb2312'))#对关键词进行编码
    getPage(keyW)#需要搜索的关键词


为了方便使用,我用wxpython打包了可执行程序:

副本.jpg (32.54 KB, 下载次数: 1)

下载附件  保存到相册

2020-1-14 21:32 上传


软件成品后期在论坛发布。

本帖被以下淘专辑推荐: · python应用|主题: 27, 订阅: 15

版权声明:

本站所有资源均为站长或网友整理自互联网或站长购买自互联网,站长无法分辨资源版权出自何处,所以不承担任何版权以及其他问题带来的法律责任,如有侵权或者其他问题请联系站长删除!站长QQ754403226 谢谢。

有关影视版权:本站只供百度云网盘资源,版权均属于影片公司所有,请在下载后24小时删除,切勿用于商业用途。本站所有资源信息均从互联网搜索而来,本站不对显示的内容承担责任,如您认为本站页面信息侵犯了您的权益,请附上版权证明邮件告知【754403226@qq.com】,在收到邮件后72小时内删除。本文链接:http://www.piaodoo.com/8050.html

评论

搜索

游戏网站源码,织梦网站源码,wordpress,wordpress主题,wordpress下载,wordpress插件,wordpress.com,wordpress模板,wordpress教程,wordpress 主题,wordpress安装,wordpress 模板,wordpress 插件,wordpress主题下载,wordpress企业主题,wordpress seo,wordpress主题开发,wordpress theme,wordpress论坛,wordpress 企业主题,wordpress主机,wordpress中文主题,wordpress cms主题,wordpress plugin,wordpress 主题下载,wordpress 主机,wordpress空间,wordpress mu,wordpress 模版,wordpress汉化主题,wordpress淘宝客主题,wordpress 空间,wordpress代码,WORDPRESS HOSTING,wordpress优点,wordpress安卓客户端,wordpress技巧,wordpress换空间,wordpress themes,网站模板,ppt模板网站,模板网站,企业网站模板,网站设计模板,免费网站模板,个人网站模板,ppt模板下载网站,网站模板下载,公司网站模板,门户网站模板,学校网站模板,网站首页模板,网站模板免费下载,旅游网站模板,网站后台模板,免费网站模板下载,传奇网站模板,网站建设模板,外贸网站模板,网站 模板,个人主页网站模板,个人网站模板下载,政府网站模板,音乐网站模板,导航网站模板,免费企业网站模板,企业网站模板下载,手表网站模板,韩国网站模板,汽车网站模板,教育网站模板,网站后台管理模板,班级网站模板,新闻网站模板,房产中介网站模板,旅游网站模板下载,工艺品网站模板,电子商务网站模板,旅游网站设计模板,团购网站模板,flash网站模板,个人网站设计模板,婚庆网站模板,广告公司网站模板,商业网站模板,手机网站模板,免费模板网站推荐,ppt免费模板网站推荐,织梦网站模板,html网站模板建站,网站html模板,免费个人网站模板,公司网站源码,sns源码,彩票网站源码,周易网站源码,源码基地,交友源码,学校网站源码,asp.net 源码,源码天下,jsp网站源码,论坛源码下载,广告联盟源码,建站源码,delphi源码,源码爱好者,酷源码,net源码,源码超市,医疗网站源码,flash源码,搜源码,源码程序,dede源码,新闻网站源码,易语言源码大全,旅游网站源码下载,flash 源码,免费源码论坛,android游戏源码,电脑维修网站源码,30源码网,股票软件源码,卖源码,源码教程,安居客 源码,vip源码,家教源码,.net源码下载,Web源码,网络公司源码,佛教网站源码,android源码学习,房产源码,钓鱼网站源码,775源码屋,web游戏源码,成品网站 源码78w78不用下载,h5游戏网站源码,asp网站源码下载,webgame源码,电子商务网站源码,vb.net源码,乐嘿源码,8a商业源码论坛,fbreader源码,在线客服系统 源码,google源码,.net网站源码,快递查询源码,源码搜藏网,dede整站源码,周易 源码,52源码论坛,财经网站源码,织梦下载站源码,qq钓鱼网站源码,flash游戏源码,房产网源码,源码搜搜,电子商务源码,团购网站源码,团购网源码,jsp源码下载,jsp源码,h站源码,8a源码,婚纱摄影网站源码,易语言盗号源码,x站源码,qq空间psd源码,免费商业源码,笑话网站源码,源码集合,源码家园,啊哦源码,星期六源码,源码熊,阿奇源码,百分百源码网,一手日源码资源,旅行网站源码,b站工程源码泄露,新站长源码,8a商业源码,asp论坛源码,flash源码下载,404源码社区,创业网站源码,php网页源码,易支付源码,成品网站w灬源码,免费CMS成品网站源码,成品网站W灬源码1688仙踪林,成品APP短视频源码下载网站,成品网站源码1688可靠吗,免费B2B网站源码,成品APP直播源码下载,国外儿童网站源码在线,成品网站W灬源码1688,源码,成品网站w灬 源码1688,免费源码网站都有哪些,成品网站源码78W78隐藏通道1,网站源码,源码网,源码网站,源码时代,源码之家,源码下载,php源码,易语言源码,源码论坛,源码是什么,商城源码,论坛源码,源码交易,源码站,源码库,免费源码,免费网站ja**源码大全,ja**源码,成品网站w灬源码1377,a5源码,站长源码,成品网站源码78W78隐藏通道1APP,源码分享,网站源码下载,源码中国,asp源码,源码社区,企业网站源码,php源码下载,成品app直播源码搭建,在线观看视频网站源码2021,旅游网站源码,安卓源码,通达信选股公式源码,神马影院php源码,c#源码,成品网站w灬源码1688网页,php 源码,网页游戏源码,android源码下载,源码吧,视频源码大全,成品短视频APP源码搭建,asp源码下载,私服源码,电脑维修源码,个人主页源码,源码出售,php网站源码,刀客源码,网址导航源码,导航网站源码,源码天空,asp 源码,软件源码,精品源码,成品网站源码1688自动跳转,个人网站源码,源码哥,在线考试系统源码,cms源码,c# 源码,商业源码,vb源码,门户网站源码,音乐网站源码,中国源码,安卓源码下载,asp网站源码,在线客服源码,电影网站源码,免费源码下载,整站源码,源码交易网,易语言源码网,.net源码,在线客服系统源码,淘客源码,卡盟源码,网站源码出售,vb源码下载,莎莎源码,熊猫烧香源码,asp.net源码,商业源码网,外贸网站源码,61源码网,zblog模板,zblog企业模板,帝国cms模板,帝国cms插件,discuz模板