本文環(huán)境是python3,采用的是urllib,BeautifulSoup搭建。
說下思路，這個(gè)項(xiàng)目分為管理器，url管理器，下載器，解析器，html文件生產(chǎn)器。各司其職，在管理器進(jìn)行調(diào)度。最后將解析到的種子連接生產(chǎn)html文件顯示。當(dāng)然也可以保存在文件。最后效果如圖。
首先在管理器SpiderMain()這個(gè)類的構(gòu)造方法里初始化下載器，解析器，html生產(chǎn)器。代碼如下。
|
1
2
3
4
5
6
|
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。
|
1
2
3
4
5
6
|
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(jìn)行轉(zhuǎn)義 root_url = quote(url,safe='/:?=') obj_spider = SpiderMain() obj_spider.parser(root_url) |
用下載器進(jìn)行下載，解析器解析下載好的網(wǎng)頁，最后輸出。管理器的框架邏輯就搭建完畢
|
1
2
3
4
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# 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(biāo)題，磁力鏈接和迅雷鏈接進(jìn)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(biāo)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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
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() |
項(xiàng)目就結(jié)束了。源代碼已上傳，鏈接https://github.com/Ahuanghaifeng/python3-torrent，覺得有用請?jiān)趃ithub上給個(gè)star，您的鼓勵將是作者創(chuàng)作的動力。
以上這篇python3爬取torrent種子鏈接實(shí)例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持服務(wù)器之家。
原文鏈接：https://blog.csdn.net/u013692888/article/details/52660492
