教你如何用python爬取豆丁網(wǎng)付費(fèi)文章俘獲女神芳心。

事情是這樣的
女神想要一篇關(guān)于如下的文章:

可一看，下載需要十個(gè)米，作為打工人哪舍得花這個(gè)錢去下載如此貴的文章，于是她想到了我。

記錄：


這里聊天告一段落，
身兼CV大法的我看了看,怎么可以在女神面前這么無能呢·，分析了一下該網(wǎng)站，好家伙，這算法我不想找了，據(jù)我分析，是通過wasm文件加載的算法.
如下是加密數(shù)據(jù):

但是可見即可爬，然后又嘗試了selenium也翻車，也不想試其他的了，于是我選擇了另一種查看方式，這下總算被我發(fā)現(xiàn)了可行方法，于是擼代碼。

# -*- coding: utf-8 -*- """ # @Time : 2021/11/2 11:06 # @Author : ChenLvLei # @Email : 2516455367@qq.com # @FileName : docin # @Description : """ import os from fpdf import FPDF from PIL import Image from pdf2docx import Converter from configparser import ConfigParserimport requestsheaders = {'Accept': 'image/avif,image/webp,image/apng,image/svg+xml,image/*,*/*;q=0.8','Accept-Encoding': 'gzip, deflate, br','Accept-Language': 'zh-CN,zh;q=0.9',"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36"" (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36"}def download(**kwargs):page = kwargs.pop('maxPage')for page in range(1, page):print(f'豆丁文檔下載中......第{page}張')kwargs.update({'pageno': str(page)})response = requests.request("GET",'https://docimg1.docin.com/docinpic.jsp?',headers=headers,params=kwargs)if not os.path.exists('./豆丁'):os.mkdir('./豆丁')with open(f'./豆丁/{page}.png', 'wb') as f:f.write(response.content)def generate_pdf(pdf_file_name, list_ages):cover = Image.open(list_ages[0])width, height = cover.sizepdf = FPDF(unit="pt", format=[width, height])for page in list_ages:pdf.add_page()pdf.image(page, 0, 0)pdf.output(pdf_file_name, "F")def pdf_to_word():config_parser = ConfigParser()config_parser.read('config.cfg', encoding='utf-8')config = config_parser['default']for file in os.listdir(config['pdf_folder']):extension_name = os.path.splitext(file)[1]if extension_name != '.pdf':continuefile_name = os.path.splitext(file)[0]pdf_file = config['pdf_folder'] + '/' + fileword_file = config['word_folder'] + '/' + file_name + '.docx'cv = Converter(pdf_file)cv.convert(word_file)cv.close()def main(file: str,width: str,sid: str,pageno: str,pcimg: str,page: int,**kwargs):key = {'file': file,'width': width,'sid': sid,'pageno': pageno,'pcimg': pcimg,'maxPage': page}download(**key)generate_pdf("人力資源項(xiàng)目計(jì)劃書.pdf",['./豆丁/' + imgFileNamefor imgFileName inos.listdir('./豆丁')if imgFileName.endswith(".png")])if __name__ == '__main__':main('填入對應(yīng)參數(shù)即可')```

最終不負(fù)所托完成了女神交付的任務(wù)。

就這樣，我成功忽悠到10米。

你以為事情就這樣結(jié)束了嗎？？？大錯(cuò)特錯(cuò)！錯(cuò)的離譜！不能再錯(cuò)了！

正當(dāng)我準(zhǔn)備給女神用網(wǎng)上免費(fèi)的OCR字符識別庫Tesseract，識別一下文字，免得女神復(fù)制的如此辛苦，結(jié)果：

女神由于被我忽悠了10米，于是氣氛的去上個(gè)廁所壓壓驚，結(jié)果特喵手機(jī)掉廁所了。。。。。。

這時(shí)候女神的心情就如同她掉到廁所的手機(jī)，一樣沉重.

洗澡睡覺覺啦，覺得不錯(cuò)的小伙伴點(diǎn)贊關(guān)注不迷路
本故事根據(jù)真實(shí)故事改編
如有侵權(quán) 聯(lián)系刪除

總結(jié)

以上是生活随笔為你收集整理的教你如何用python俘获女神芳心的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。