资源简介
导出pdf:由于图片含有防爬密钥,转成PDF阅读体验更佳
解析TS文件,压制成mp4:遍历文章id,获取m3u8地址,解析每个ts的key解密,按顺序排列,压制成mp4文件(如果有ffmpeg压制方案可以追加,ffmpeg可以指定视频为h264编码格式,可用于OSS存储web端播放).目前是本地写了批量转码脚本;
代码片段和文件信息
# coding=utf-8
import threading
import queue
import requests
import json
import time
import pdfkit
import ahttp
import os
from upload import Upload_oss
import asyncio
import oss2
import re
class LaGou_article():
def __init__(self courseId):
self.url = ‘https://gate.lagou.com/v1/neirong/kaiwu/getCourseLessons?courseId=‘+courseId
self.headers = {
‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML like Gecko) Chrome/77.0.3865.90 Safari/537.36‘
‘Cookie‘: ‘登录拉勾视频网站,截取请求头里的cookie,去掉第一个参数‘
‘Referer‘: ‘https://kaiwu.lagou.com/course/courseInfo.htm?courseId=‘+courseId
‘Origin‘: ‘https://kaiwu.lagou.com‘
‘Sec-fetch-dest‘: ‘empty‘
‘Sec-fetch-mode‘: ‘cors‘
‘Sec-fetch-site‘: ‘same-site‘
‘x-l-req-header‘: ‘{deviceType:1}‘}
# 发现课程文章html的请求url前面都是一样的最后的id不同而已
self.textUrl = ‘https://gate.lagou.com/v1/neirong/kaiwu/getCourseLessonDetail?lessonId=‘
self.queue = queue.Queue() # 初始化一个队列
self.error_queue = queue.Queue()
self.courseId = courseId
def replace_all_blank(self value):
“““
去除value中的所有非字母内容,包括标点符号、空格、换行、下划线等
:param value: 需要处理的内容
:return: 返回处理后的内容
“““
# \W 表示匹配非数字字母下划线
result = re.sub(‘\W+‘ ‘‘ value).replace(“_“ ‘‘)
return result
def parse_one(self):
“““
:return:获取文章html的url
“““
content = requests.get(url=self.url headers=self.headers).text
code_cont = json.loads(content)
message_list = code_cont[‘content‘][‘courseSectionList‘]
# print(message_list)
for message in message_list:
for i in message[‘courseLessons‘]:
real_url = self.textUrl+str(i[‘id‘])
self.queue.put(real_url) # 文章的请求url
return self.queue
def courseInfo(self):
“““
:return:获取文章的详细内容
“““
content = requests.get(url=self.url headers=self.headers).text
info = json.loads(content)
return info[‘content‘]
def get_html(self real_url):
“““
:return:返回一个Str 类型的html
“““
html = requests.get(url=real_url timeout=10
headers=self.headers).text
dit_message = json.loads(html)
str_html = str(dit_message[‘content‘][‘textContent‘])
article_name = dit_message[‘content‘][‘theme‘]
self.htmltopdf(str_html article_name)
def htmltopdf(self str_html article_name):
info = self.courseInfo()
dirkName = info[‘courseName‘]
time.sleep(1)
dir = os.path.abspath(os.curdir)+‘\\resources\\‘+dirkName+‘\\‘
res = self.mkdir(dir)
path_wk = r‘C:\Users\male\Desktop\wkhtmltox-0.12.6-1.mxe-cross-win64 (1)\wkhtmltox\bin\wkhtmltopdf.exe‘
config = pdfkit.configur
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2020-08-25 17:26 csdn\
文件 5338 2020-08-25 17:37 csdn\pdf.py
文件 1046 2020-08-26 10:25 csdn\README.md
文件 9904 2020-08-26 10:23 csdn\run.py
- 上一篇:isbn查询书籍详细信息2.0
- 下一篇:QT modbus串口调试程序
相关资源
- isbn查询书籍详细信息2.0
- 计算N50的python脚本.zip
- Python+OpenCv实现AI人脸识别身份认证系
- windows下crf++的python接口安装需要文件
- 智能小车视觉巡线python代码
- 用Python自动办公,做职场高手.txt
- 共轭梯度法求解线性方程组conj_gradi
- 使用pyqt5实现的Python-GUI动态作图
- python简易jpeg编码
- 2018传智python 15期 视频教程 今年刚
- python 获取 去哪儿网 火车票信息
- python聊天室
- Python排序算法
- anaconda+python3.5
- 基于python实现的http接口自动化测试框
- jpype1for python3.6
- traits-4.6.0-cp36-cp36m-win_amd64.whl
- python svm算法源码
- python批量灰度化处理图片
- calendar.py
- Python最小二乘法拟合直线
- python五子棋双人对战
- pid code python
- python项目监控
- 声学语音处理 python 源码
- Python实现循环神经网络RNN
- python下元胞自动机的代码和相应的绘
- python 视频学习
- SIFT的Python 代码
- pythonympx.rar
评论
共有 条评论