爬虫试手

最近在追一个连载的小说,作者更新时间很不稳定,所以打算写个定时任务,去检查有没有更新,有更新就给我发封邮件,里面附上最新的链接。

使用urllib来抓地址,email和smtplib来发送邮件

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 把这个脚本设置每个小时启动一次。

下面这个是从youtube下载视频的脚本

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()
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,607评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,047评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,496评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,405评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,400评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,479评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,883评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,535评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,743评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,544评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,612评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,309评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,881评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,891评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,136评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,783评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,316评论 2 342