爬蟲試手

最近在追一個連載的小說,作者更新時間很不穩(wěn)定凿蒜,所以打算寫個定時任務,去檢查有沒有更新胁黑,有更新就給我發(fā)封郵件废封,里面附上最新的鏈接。

使用urllib來抓地址丧蘸,email和smtplib來發(fā)送郵件

from urllib import request
from email.mime.text import MIMEText
from email.header import Header
from smtplib import SMTP_SSL
import time
time.sleep(2)
req = request.Request('http://www.piaotian.com/bookinfo/5/5623.html')
req.add_header('User-Agent', 'Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')
port_num=[]
with request.urlopen(req) as f:
    port_num.append(f.read().decode('GBK'))
    # print(port_num)
    start=port_num[0].find('" title=')
    # print(start)
    port_num.append(port_num[0][start-70:start+50])

print(start)
print(port_num[0][start-70:start+50])

with open('/home/pi/test/latest.txt', 'r') as f:
    pre=f.read()
    if pre==port_num[1]:
        print('no change')
    else:
        with open('/home/pi/test/latest.txt', 'w') as f:
            f.write(port_num[1])
        host_server = 'smtp.qq.com'
        sender_qq = 'xxxxxxxx'
        pwd = 'xxxxxxx'
        sender_qq_mail = 'xxxxxx@qq.com'
        receiver = 'xxxxxxxx@gmail.com'
        mail_content = str(port_num[1])
        mail_title = '有更新'

        smtp = SMTP_SSL(host_server)
        #set_debuglevel()
        smtp.set_debuglevel(0)
        smtp.ehlo(host_server)
        smtp.login(sender_qq, pwd)

        msg = MIMEText(mail_content, "plain", 'utf-8')
        msg["Subject"] = Header(mail_title, 'utf-8')
        msg["From"] = sender_qq_mail
        msg["To"] = receiver
        smtp.sendmail(sender_qq_mail, receiver, msg.as_string())
        smtp.quit()

然后用crontab -e 把這個腳本設置每個小時啟動一次漂洋。

下面這個是從youtube下載視頻的腳本

import requests
import re
import urllib.request
import time
import json
import pafy
from datetime import datetime
database_url=[]
def saveHTML(data):  
    f_obj = open('example.html', 'w') 
    f_obj.write(data)  
    f_obj.close()  
def Schedule(a,b,c):
    per = 100*a * b / c
    if per > 100 :
        per = 100
    print ('%.2f%%' % per)
def main_spider():
    global video_number01
    video_number02=video_number01
    url='https://www.youtube.com/feed/trending'
    #initial page
    headers={'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.47 Safari/537.36'}
    #i am an explore 
    req =requests.get(url,headers=headers)
    #get the initial page
    reg=r'href="(/watch.*?)"'
    #find sub-page
    double_url=re.findall(reg,req.text)
    single_url=[]
    [single_url.append(i) for i in double_url if not i in single_url]
    #delete the duplicates
    for i in single_url:
        if i in database_url:
            print(i,'video exists')
            video_number02=video_number02-1
            if video_number02<1:
                break
            continue
        else:
            real_url='https://www.youtube.com'+i
            #build the integrated sub-page
            print(real_url)
            spider_youtube(real_url)
            #download it
            database_url.append(i)
            video_number02=video_number02-1
            time.sleep(5)
            #real customer would have a rest
            if video_number02<1:
                break
def spider_youtube(url):
    video = pafy.new(url)
    #find the real video source
    print(video.title)
    best = video.getbest()
    #find the best quality
    print(best.url)
    best.download(quiet=False,filepath="%s"%(len(database_url)))
def keeper():
    global video_number01
    video_number01=int(input('How many videos do you want to update each cycle?'))
    for i in range(10000):
        main_spider()
        print('scanning time:',datetime.now())
        time.sleep(30)
keeper()
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子刽漂,更是在濱河造成了極大的恐慌演训,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,743評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件贝咙,死亡現場離奇詭異样悟,居然都是意外死亡,警方通過查閱死者的電腦和手機庭猩,發(fā)現死者居然都...
    沈念sama閱讀 90,296評論 3 385
  • 文/潘曉璐 我一進店門窟她,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人眯娱,你說我怎么就攤上這事礁苗。” “怎么了徙缴?”我有些...
    開封第一講書人閱讀 157,285評論 0 348
  • 文/不壞的土叔 我叫張陵试伙,是天一觀的道長。 經常有香客問我于样,道長疏叨,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,485評論 1 283
  • 正文 為了忘掉前任穿剖,我火速辦了婚禮蚤蔓,結果婚禮上,老公的妹妹穿的比我還像新娘糊余。我一直安慰自己秀又,他們只是感情好,可當我...
    茶點故事閱讀 65,581評論 6 386
  • 文/花漫 我一把揭開白布贬芥。 她就那樣靜靜地躺著吐辙,像睡著了一般。 火紅的嫁衣襯著肌膚如雪蘸劈。 梳的紋絲不亂的頭發(fā)上昏苏,一...
    開封第一講書人閱讀 49,821評論 1 290
  • 那天,我揣著相機與錄音威沫,去河邊找鬼贤惯。 笑死,一個胖子當著我的面吹牛棒掠,可吹牛的內容都是我干的孵构。 我是一名探鬼主播,決...
    沈念sama閱讀 38,960評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼烟很,長吁一口氣:“原來是場噩夢啊……” “哼颈墅!你這毒婦竟也來了棒假?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 37,719評論 0 266
  • 序言:老撾萬榮一對情侶失蹤精盅,失蹤者是張志新(化名)和其女友劉穎帽哑,沒想到半個月后,有當地人在樹林里發(fā)現了一具尸體叹俏,經...
    沈念sama閱讀 44,186評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡妻枕,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,516評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現自己被綠了粘驰。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片屡谐。...
    茶點故事閱讀 38,650評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖蝌数,靈堂內的尸體忽然破棺而出愕掏,到底是詐尸還是另有隱情,我是刑警寧澤顶伞,帶...
    沈念sama閱讀 34,329評論 4 330
  • 正文 年R本政府宣布饵撑,位于F島的核電站,受9級特大地震影響唆貌,放射性物質發(fā)生泄漏滑潘。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,936評論 3 313
  • 文/蒙蒙 一锨咙、第九天 我趴在偏房一處隱蔽的房頂上張望语卤。 院中可真熱鬧,春花似錦酪刀、人聲如沸粹舵。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,757評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽眼滤。三九已至,卻和暖如春稠茂,著一層夾襖步出監(jiān)牢的瞬間柠偶,已是汗流浹背情妖。 一陣腳步聲響...
    開封第一講書人閱讀 31,991評論 1 266
  • 我被黑心中介騙來泰國打工睬关, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人毡证。 一個月前我還...
    沈念sama閱讀 46,370評論 2 360
  • 正文 我出身青樓电爹,卻偏偏與公主長得像,于是被迫代替她去往敵國和親料睛。 傳聞我的和親對象是個殘疾皇子丐箩,可洞房花燭夜當晚...
    茶點故事閱讀 43,527評論 2 349