[[407938]]

本文轉載自微信公眾號「Python技術」，作者派森醬。轉載本文請聯系Python技術公眾號。

在路上發現好多人都喜歡用耳機聽小說，同事居然可以一整天的帶著一只耳機聽小說。小編表示非常的震驚。今天就用 Python 下載聽小說 tingchina.com的音頻。

書名和章節列表

隨機點開一本書，這個頁面可以使用 BeautifulSoup 獲取書名和所有單個章節音頻的列表。復制瀏覽器的地址，如：https://www.tingchina.com/yousheng/disp_31086.htm。

from bs4 import BeautifulSoup 
import requests 
import re 
import random 
import os 
 
headers = { 
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36' 
} 
 
def get_detail_urls(url): 
    url_list = [] 
    response = requests.get(url, headers=headers) 
    response.encoding = 'gbk' 
    soup = BeautifulSoup(response.text, 'lxml') 
    name = soup.select('.red12')[0].strong.text 
    if not os.path.exists(name): 
        os.makedirs(name) 
    div_list = soup.select('div.list a') 
    for item in div_list: 
        url_list.append({'name': item.string, 'url': 'https://www.tingchina.com/yousheng/{}'.format(item['href'])}) 
    return name, url_list 

音頻地址

打開單個章節的鏈接，在 Elements 面板用章節名稱作為搜索詞，在底部發現了一個 script，這一部分就是聲源的地址。

在 Network 面板可以看到，聲源的 url 域名和章節列表的域名是不一樣的。在獲取下載鏈接的時候需要注意這一點。

def get_mp3_path(url): 
    response = requests.get(url, headers=headers) 
    response.encoding = 'gbk' 
    soup = BeautifulSoup(response.text, 'lxml') 
    script_text = soup.select('script')[-1].string 
    fileUrl_search = re.search('fileUrl= "(.*?)";', script_text, re.S) 
    if fileUrl_search: 
        return 'https://t3344.tingchina.com' + fileUrl_search.group(1) 

下載

驚喜總是突如其來，把這個 https://t3344.tingchina.com/xxxx.mp3 放入瀏覽器中運行居然是 404。

肯定是少了關鍵性的參數，回到上面 Network 仔細觀察 mp3 的 url，發現在 url 后面帶了一個 key 的關鍵字。如下圖，這個 key 是來自于 https://img.tingchina.com/play/h5_jsonp.asp?0.5078556568562795 的返回值，可以使用正則表達式將 key 取出來。

def get_key(url): 
    url = 'https://img.tingchina.com/play/h5_jsonp.asp?{}'.format(str(random.random())) 
    headers['referer'] = url 
    response = requests.get(url, headers=headers) 
    matched = re.search('(key=.*?)";', response.text, re.S) 
    if matched: 
        temp = matched.group(1) 
        return temp[len(temp)-42:] 

最后的最后在 __main__ 中將以上的代碼串聯起來。

if __name__ == "__main__": 
    url = input("請輸入瀏覽器書頁的地址：") 
    dir,url_list = get_detail_urls() 
 
    for item in url_list: 
        audio_url = get_mp3_path(item['url']) 
        key = get_key(item['url']) 
        audio_url = audio_url + '?key=' + key 
        headers['referer'] = item['url'] 
        r = requests.get(audio_url, headers=headers,stream=True) 
        with open(os.path.join(dir, item['name']),'ab') as f: 
            f.write(r.content) 
            f.flush() 

總結

這個 Python 爬蟲比較簡單，小編的每個月 30 元的流量都不夠用，又了這個小程序在地鐵上就可以不用流量聽小說了。