python3爬取torrent種子連結例項

阿新 • • 發佈：2020-01-17

本文環境是python3,採用的是urllib,BeautifulSoup搭建。

說下思路，這個專案分為管理器，url管理器，下載器，解析器，html檔案生產器。各司其職，在管理器進行排程。最後將解析到的種子連線生產html檔案顯示。當然也可以儲存在檔案。最後效果如圖。

首先在管理器SpiderMain()這個類的構造方法裡初始化下載器，解析器，html生產器。程式碼如下。

def__init__(self):

  self.urls = url_manager.UrlManager()
  self.downloader = html_downloader.HtmlDownloader()
  self.parser = html_parser.HtmlParser()
  self.outputer = html_outputer.HtmlOutputer()

然後在主方法裡寫入主連線並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"
  # 解決中文搜尋問題 對於：？=不進行轉義
  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頁，最後輸出。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下載器程式碼如下：

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檔案。

解析器程式碼如下：

# 解析種子檔案
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

# 將種子檔案的標題，磁力連結和迅雷連結進行封裝
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檔案,種子連結在a標籤下。然後提取magnet和thunder下的連結。

最後輸出器輸出html檔案，程式碼如下：

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()