[已解决]这种页面的mp3怎么抓？ 有顺序的(mp3/图片/文本/图片)怎么抓，才能复刻出来呢？

blackantt

https://mp.weixin.qq.com/s?__biz=MzU5MjkzODc4NA==&mid=2247526755&idx=4&sn=93556f80a188cf5541b1b9f07fd4a521&chksm=fe1a3b2cc96db23a4fca5ad3614d02ea241cb7919f467b7c6d27b1ad5ebb6d2b1d8b6d1cdf65&token=1735521205&lang=zh_CN&scene=21#wechat_redirect

1. 里面的mp3藏在哪里呢？ 把网页源码拉下来，有个  var _empty_v = "//res.wx.qq.com/mmbizappmsg/en_US/htmledition/js/audios/empty6536ce.mp3";
但播放不了，奇怪

2. 这种有 mp3, 图片，文本 并且有顺序，但每页的 这些元素数量不定。  怎么抓这种并复刻成网页呢？

最佳答案

月排行榜 / 总排行榜

歌者文明清理员

2023-4-13 16:45:04

blackantt 发表于 2023-4-13 08:32
主要想知道，怎么才能批量抓取图文混排，并原样复制这个顺序。 单独文字，单独图片都简单

可以使用lxml分析源代码

from selenium import webdriver
from lxml import html
from re import compile, sub
co = webdriver.ChromeOptions()
co.add_argument('headless')
chrome = webdriver.Chrome(options=co)
chrome.get(你的网址)
source = chrome.page_source
tree = html.fromstring(source)
chrome.quit()
images = html.tostring(tree.xpath('img'), encoding='unicode')
contents = html.tostring(tree.xpath('span'), encoding='unicode')
for image in images:
    #单独图片操作，使用re
for content in contents:
    #单独文字操作，同re

跳转到最佳答案楼层

歌者文明清理员

1. 直接从网页源码中找到mp3链接，或者使用开发者工具中的 Network 选项卡查找mp3的请求链接。如果该链接无法播放，可能是因为需要登录或是链接已过期。

2. 可以使用爬虫工具，如 Python 中的 Beautiful Soup 或 Scrapy，从页面中提取出所有需要的元素，并按照顺序排列，最后生成一个新的网页。可以使用 CSS 选择器来选取文本和图片，使用正则表达式来匹配mp3链接。但因为每页中的元素数量不定，需要尝试灵活的解析页面。

另外：建议学习：动态渲染

sfqxx

1. mp3文件的位置：
根据提供的网页源码，mp3文件的链接应该是 "//res.wx.qq.com/mmbizappmsg/en_us/htmledition/js/audios/empty6536ce.mp3" 。这个链接指向一个空的音频文件，可能因为版权原因而无法访问实际的mp3文件。

2. 抓取并复制这种包含不定数量的元素的页面的步骤如下：

- 使用开发人员工具获取网页源代码，并查找并记录所有需要抓取的资源（例如，图片和音频文件）的url。
- 创建一个html页面，使用所需的css样式来布局各个元素。可以使用像flexbox或grid这样的现代布局技术，以便在浏览器中自适应不同大小的设备。
- 将所有内容分成适当的段落，并在html标记中编写文本。如果需要分页，可以根据需要添加带有分页控件的javascript代码。
- 添加上一步中找到的图像和音频文件的url，并在html页面中使用适当的标记以显示它们。
- 按照需要添加其他功能（例如动画或表格），然后将html页面保存为单个文件即可。
有用请设置最佳答案

blackantt

sfqxx 发表于 2023-4-12 22:54
1. mp3文件的位置：
根据提供的网页源码，mp3文件的链接应该是 "//res.wx.qq.com/mmbizappmsg/en_us/htmle ...

主要想知道，怎么才能批量抓取图文混排，并原样复制这个顺序

blackantt

歌者文明清理员 发表于 2023-4-12 22:44
1. 直接从网页源码中找到mp3链接，或者使用开发者工具中的 Network 选项卡查找mp3的请求链接。如果该链接无 ...

主要想知道，怎么才能批量抓取图文混排，并原样复制这个顺序。 单独文字，单独图片都简单

同舟

学习中，来学习

歌者文明清理员

blackantt 发表于 2023-4-13 08:32
主要想知道，怎么才能批量抓取图文混排，并原样复制这个顺序。 单独文字，单独图片都简单

可以使用lxml分析源代码

from selenium import webdriver
from lxml import html
from re import compile, sub
co = webdriver.ChromeOptions()
co.add_argument('headless')
chrome = webdriver.Chrome(options=co)
chrome.get(你的网址)
source = chrome.page_source
tree = html.fromstring(source)
chrome.quit()
images = html.tostring(tree.xpath('img'), encoding='unicode')
contents = html.tostring(tree.xpath('span'), encoding='unicode')
for image in images:
    #单独图片操作，使用re
for content in contents:
    #单独文字操作，同re

blackantt

歌者文明清理员 发表于 2023-4-13 16:45
可以使用lxml分析源代码

谢谢回复，我在1个for下用if  ， elif
待会试下你这个