[英]Get audio source link from Website with python
我正在编写脚本以从网站获取音频源链接。 通过爬行主页,可获得可用链接的列表。 但是,当我搜寻生成的链接时,找不到源。 (它应该在<audio>标签的href内)。
这是我的代码:
# -*- coding: utf-8 -*-
import urllib.request
from bs4 import BeautifulSoup
def getHTML(st):
with urllib.request.urlopen(site+'/',timeout=100) as response:
return response.read()
site = 'http://www.e-radio.gr'
soup = BeautifulSoup(getHTML(site), 'html.parser')
# Parse Main Page And get links
lst = list()
for a in soup.body.find_all('a', {'class' : 'erplayer'}):
item = a.get('href')
if site in item:
lst.append(item)
else:
lst.append(site + item)
print("\n".join(lst))
网站似乎无法正确加载,也无法使用urllib.request加载音频源。 我还能用什么代替urllib.request,以便它等待整个页面加载。 我以为是使用某些外部Web浏览器生成html,但我不知道该怎么做
这有点棘手,但我们可以逐步解决-首先通过跟随iframe
链接获取播放器的HTML。 然后,获取Flash Player链接并关注它。 然后,提取到mp3
的链接并下载流。 所有这些都在同一个网络抓取会话下进行:
from urllib.parse import urljoin
import requests
from bs4 import BeautifulSoup
def download_file(session, link, path):
r = session.get(link, stream=True)
if r.status_code == 200:
with open(path, 'wb') as f:
for chunk in r:
f.write(chunk)
base_url = "http://www.e-radio.gr"
url = "http://www.e-radio.gr/Rainbow-89-Thessaloniki-i92/live"
with requests.Session() as session:
session.headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.96 Safari/537.36'}
response = session.get(url)
soup = BeautifulSoup(response.content, "html.parser")
frame = soup.find(id="playerControls1")
frame_url = urljoin(base_url, frame["src"])
response = session.get(frame_url)
soup = BeautifulSoup(response.content, "html.parser")
link = soup.select_one(".onerror a")['href']
flash_url = urljoin(response.url, link)
response = session.get(flash_url)
soup = BeautifulSoup(response.content, "html.parser")
mp3_link = soup.select_one("param[name=flashvars]")['value'].split("url=", 1)[-1]
print(mp3_link)
download_file(session, mp3_link, "download.mp3")
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.