利用Python抓取阿里云盘资源

前阵子阿里云盘大火，送了好多的容量空间。而且阿里云盘下载是不限速，这点比百度网盘好太多了。这两天看到一个第三方网站可以搜索阿里云盘上的资源，但是它的资源顺序不是按时间排序的。这种情况会造成排在前面时间久远的资源是一个已经失效的资源。小编这里用 python 抓取后重新排序。

网页分析

这个网站有两个搜索路线：搜索线路一和搜索线路二，本文章使用的是搜索线路二。

打开控制面板下的网络，一眼就看到一个 seach.html 的 get 请求。

上面带了好几个参数，四个关键参数：

• page：页数，
• keyword：搜索的关键字
• category：文件分类，all(全部)，video(视频)，image(图片)，doc(文档)，audio(音频)，zip(压缩文件)，others(其他)，脚本中默认写 all
• search_model：搜索的线路

也是在控制面板中，看出这个网页跳转到阿里云盘获取真实的的链接是在标题上面的。用 bs4 解析页面上的 div(class=resource-item border-dashed-eee) 标签下的 a 标签就能得到跳转网盘的地址，解析 div 下的 p 标签获取资源日期。

抓取与解析

首先安装需要的 bs4 第三方库用于解析页面。

下面是抓取解析网页的脚本代码，最后按日期降序排序。

示例结果：

模板

上面抓取完内容后，还需要将内容一个个复制到 google 浏览器中访问，有点太麻烦了。要是直接点击一下能访问就好了。小编在这里就用 python 的模板方式写一个 html 文件。

模板文件小编是用 elements-ui 做的，下面是关键的代码：

在 python 中读取这个模板文件，并将 ${elements} 关键词替换为上面的解析结果。最后生成一个 report.html 文件。

示例结果：

跳转到阿里云盘界面

完整代码

aliso.html

aliso.py

总结

用 python 做一些小爬虫，不仅去掉网站上烦人的广告，也更加的便利了。

以上就是利用python抓取阿里云盘资源的详细内容，更多关于python抓取云盘资源的资料请关注其它相关文章！