Python Spider
贵有恒，何必三更起五更睡；最无益，只怕一日暴十寒。
Python3爬虫实战：实战源码+博客讲解
学习交流群【328127489】
声明
代码、教程仅限于学习交流，请勿用于任何商业用途！
文章首发声明
文章在自己的个人网站首发，其他平台文章均属转发，如想获得最新更新进展，欢迎关注我的个人网站：http://cuijiahua.com/
目录
爬虫小工具
downloader.py:文件下载小助手
一个可以用于下载图片、视频、文件的小工具，有下载进度显示功能。稍加修改即可添加到自己的爬虫中。
动态示意图：
爬虫实战
biqukan.py:《笔趣看》盗版小说网站，爬取小说工具
第三方依赖库安装： pip3 install beautifulsoup4
使用方法： python biqukan.py
baiduwenku.py: 百度文库word文章爬取
代码不完善，没有进行打包，不具通用性，纯属娱乐。
carton: 使用Scrapy爬取《火影忍者》漫画
代码可以爬取整个《火影忍者》漫画所有章节的内容，保存到本地。更改地址，可以爬取其他漫画。保存地址可以在settings.py中修改。
financical.py: 财务报表下载小助手
爬取的数据存入数据库会吗？《跟股神巴菲特学习炒股之财务报表入库(MySQL)》也许能给你一些思路。
动态示意图：
one_hour_spider:一小时入门Python3网络爬虫。
原理说明:
本次实战内容有：
网络小说下载(静态网站)-biqukan
优美壁纸下载(动态网站)-unsplash
视频下载
douyin.py:抖音App视频下载
抖音App的视频下载，就是普通的App爬取。
原理说明:
douyin_pro:抖音App视频下载(升级版)
抖音App的视频下载，添加视频解析网站，支持无水印视频下载，使用第三方平台解析。
原理说明:
douyin:抖音App视频下载(升级版2)
抖音App的视频下载，添加视频解析网站，支持无水印视频下载，通过url解析，无需第三方平台。
原理说明:
动态示意图：
geetest.py:GEETEST验证码识别
原理说明:
无
12306.py:用Python抢火车票简单代码
可以自己慢慢丰富，蛮简单，有爬虫基础很好操作，没有原理说明。
baiwan:百万英雄辅助答题
效果图：
原理说明：
功能介绍：
服务器端，使用Python(baiwan.py)通过抓包获得的接口获取答题数据，解析之后通过百度知道搜索接口匹配答案，将最终匹配的结果写入文件(file.txt)。
手机抓包不会的朋友，可以看下我的早期手机APP抓包教程。
Node.js(app.js)每隔1s读取一次file.txt文件，并将读取结果通过socket.io推送给客户端(index.html)。
亲测答题延时在3s左右。
声明：没做过后端和前端，花了一天时间，现学现卖弄好的，javascript也是现看现用，百度的程序，调试调试而已。可能有很多用法比较low的地方，用法不对，请勿见怪，有大牛感兴趣，可以自行完善。
Netease:根据歌单下载网易云音乐
效果图：
原理说明：
暂无
功能介绍：
根据music_list.txt文件里的歌单的信息下载网易云音乐，将自己喜欢的音乐进行批量下载。
bilibili：B站视频和弹幕批量下载
原理说明：
暂无
使用说明： python bilibili.py -d 猫 -k 猫 -p 10
三个参数：
-d保存视频的文件夹名
-kB站搜索的关键字
-p下载搜索结果前多少页
jingdong：京东商品晒单图下载
效果图：
原理说明：
暂无
使用说明： python jd.py -k 芒果
三个参数：
-d保存图片的路径，默认为fd.py文件所在文件夹
-k搜索关键词
-n 下载商品的晒单图个数，即n个商店的晒单图
zhengfang_system_spider：对正方教务管理系统个人课表，个人学生成绩，绩点等简单爬取
效果图：
使用说明： cd zhengfang_system_spider
pip install -r requirements.txt
python spider.py
其它
欢迎 Pull requests，感谢贡献。
文件下载小助手
#-*- coding: UTF-8 -*-
import requests
from contextlib import closing
class ProgressBar(object):
def __init__(self, title, count=0.0, run_status=None, fin_status=None, total=100.0, unit='', sep='/', chunk_size=1.0):
super(ProgressBar, self).__init__()
self.info = "[%s] %s %.2f %s %s %.2f %s"
self.title = title
self.total = total
self.count = count
self.chunk_size = chunk_size
self.status = run_status or ""
self.fin_status = fin_status or " " * len(self.status)
self.unit = unit
self.seq = sep
def __get_info(self):
#[名称] 状态 进度 单位 分割线 总数 单位
_info = self.info % (self.title, self.status, self.count/self.chunk_size, self.unit, self.seq, self.total/self.chunk_size, self.unit)
return _info
def refresh(self, count = 1, status = None):
self.count += count
self.status = status or self.status
end_str = "\r"
if self.count >= self.total:
end_str = '\n'
self.status = status or self.fin_status
print(self.__get_info(), end=end_str, )
if __name__ == '__main__':
#url = 'http://www.demongan.com/source/game/二十四点.zip'
#filename = '二十四点.zip'
print('*' * 100)
print('\t\t\t\t欢迎使用文件下载小助手')
print('作者:Jack-Cui\n博客:http://blog.csdn.net/c406495762')
print('*' * 100)
url = input('请输入需要下载的文件链接:\n')
filename = url.split('/')[-1]
with closing(requests.get(url, stream=True)) as response:
chunk_size = 1024
content_size = int(response.headers['content-length'])
if response.status_code == 200:
print('文件大小:%0.2f KB' % (content_size / chunk_size))
progress = ProgressBar("%s下载进度" % filename
, total = content_size
, unit = "KB"
, chunk_size = chunk_size
, run_status = "正在下载"
, fin_status = "下载完成")
with open(filename, "wb") as file:
for data in response.iter_content(chunk_size=chunk_size):
file.write(data)
progress.refresh(count=len(data))
else:
print('链接异常')
磁力搜索网站2020/01/01更新
