python3爬取torrent種子鏈接實例

更新時間：2020年01月16日 15:43:20 作者：海峰-清歡

今天小編就為大家分享一篇python3爬取torrent種子鏈接實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

本文環(huán)境是python3,采用的是urllib,BeautifulSoup搭建。

說下思路，這個項目分為管理器，url管理器，下載器，解析器，html文件生產(chǎn)器。各司其職，在管理器進行調(diào)度。最后將解析到的種子連接生產(chǎn)html文件顯示。當然也可以保存在文件。最后效果如圖。

首先在管理器SpiderMain()這個類的構(gòu)造方法里初始化下載器，解析器，html生產(chǎn)器。代碼如下。

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。

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：？=不進行轉(zhuǎn)義
  root_url = quote(url,safe='/:?=')
  obj_spider = SpiderMain()
  obj_spider.parser(root_url)

用下載器進行下載，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

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：

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：

# 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

# 將種子文件的標題，磁力鏈接和迅雷鏈接進行封裝
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：

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()