鱼C论坛

 找回密码
 立即注册
查看: 820|回复: 4

[作品展示] 重出江湖!明日方舟wiki资料下载器

[复制链接]
发表于 2023-7-13 12:09:00 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
代码如下:
from selenium import webdriver
import requests
import urllib
import os
from bs4 import BeautifulSoup
import time
import threading

pre_url = "https://prts.wiki"
PATH = os.getcwd()+"\\Arknights\"
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 SE 2.X MetaSr 1.0"}
print(PATH)
#动态提取网页源代码
def get_res(url):
    option=webdriver.ChromeOptions()
    #隐藏chrome窗口
    option.add_argument('--headless')
    option.add_argument("--disable-infobars")
    browser = webdriver.Chrome(options=option)
    browser.get(url)
    #缓冲
    time.sleep(5)
    #下拉滑动条
    browser.execute_script("window.scrollTo(0, document.body.scrollHeight);")
    time.sleep(1)
    res=browser.page_source
    browser.quit()
    return res

#下载立绘
def ins_pic(html):
    main_path = PATH + '立绘\\'
    soup=BeautifulSoup(html,'html.parser')
    characters=soup.find('div',{'id':'filter-data'}).find_all('div')
    for c in characters:
        character_name=c.get('data-zh')
        path=main_path+character_name
        if not os.path.exists(path):
            os.makedirs(path)
        character_urls=[pre_url+'/w/文件:立绘_'+character_name+'_1.png',pre_url+'/w/文件:立绘_'+character_name+'_2.png']
        _soup=BeautifulSoup(requests.get(character_urls[1]).text,'html.parser')
        if(_soup.find('div',{'class':'fullImageLink'})==None):
            del _soup
            del character_urls[1]
        for i in range(len(character_urls)):
            res=BeautifulSoup(requests.get(character_urls[i]).text,'html.parser').find('div',{'class':'fullImageLink'}).find('a')
            res=pre_url+res.get('href')
            res=requests.get(res)
            print('正在爬取:'+character_name+'_'+str(i+1)+'.png')
            with open(path+'\\'+character_name+'_'+str(i+1)+'.png','wb') as f:
                f.write(res.content)
#下载皮肤
def get_skin(url):
    path = PATH + '立绘\\'
    if not os.path.exists(path):
        os.makedirs(path)
    soup = BeautifulSoup(requests.get(url).text,'html.parser')
    pic_urls=soup.find_all('table',{'class':'wikitable logo nomobile'})
    for pic in pic_urls:
        try:
            url=pic.find_all('a',{'class':'image'})[1]
            img=url.find('img')
            name=str(img.get('alt'))
            name=name[name.find('立绘')+3:]
            print('正在爬取:'+name)
            file_name=name[:name.find(' skin')]
            if not os.path.exists(path+file_name):
                os.makedirs(path+file_name)
            res=str(url.get('href'))
            res=pre_url+str(BeautifulSoup(requests.get(pre_url+res).text,'html.parser').find('div',{'class':'fullImageLink'}).find('a').get('href'))
            res=requests.get(res)
            with open(path+'\\'+file_name+'\\'+name,'wb') as f:
                f.write(res.content)
            print(name+'爬取完毕')
        except Exception as e:
            print("爬取图片出错:", str(e))
#下载语音记录
def download_audio(num,url,file_name,save_path,if_again):
    try:
        temp=requests.get(url,headers=headers)
        if(str(temp).find('403')!=-1):
            print('403 Forbidden:'+url)
            return
        if(str(temp.content).find('No')!=-1):
            print('语音不存在',url)
            return
        with open(save_path+'\\'+file_name+'.wav','wb') as f:
            f.write(temp.content)
        print("爬取完毕")                        
    except Exception as e:
        print("程序运行出错:", str(e))
        flag=-1
        while(flag!='1' and flag!='0'):
            flag=input('是否再次尝试(1:是/0:否)')
        if(flag=='1'):
            download_audio(num,url)
def ins_audio(html,if_again):
    print('开始爬取')
    soup=BeautifulSoup(html,'html.parser')
    characters=soup.find('div',{'id':'filter-data'}).find_all('div')
    for c in characters:
        character_name=c.get('data-zh')
        if os.path.exists(PATH+'语音\\'+character_name) and if_again=='0':
            print('跳过')
            continue
        path=PATH+'语音\\'+character_name+'\\'
        url=pre_url+'/w/'+character_name+'/语音记录'
        res=BeautifulSoup(get_res(url),'html.parser')
        print('已经获得'+character_name+'语音链接,开始下载')
        try:
            divs=res.find('div',{'class':'table-row-group'}).find_all('div',{'class':'table-row'})
            for div in divs:
                audio_name=div.find('div',{'class':'table-cell text-center font-bold p-1 !bg-table border border-solid border-divider align-middle truncate'})
                audio_name=audio_name.text
                save_path=path+audio_name
                if not os.path.exists(save_path):
                    os.makedirs(save_path)
                tmp=div.find('a')
                tmp='https:'+str(tmp.get('href'))
                print(tmp)
                file_names=['日本語','中文','한국어','English']
                urls=['jp','cn','kr','en']
                #网址格式化
                if(tmp.find('/voice/')==-1):
                    urls[0]=tmp[:tmp.find('/voice')]+'/voice/'+tmp[tmp.find('/voice')+10:]
                    urls[1]=tmp[:tmp.find('/voice')]+'/voice_cn/'+tmp[tmp.find('/voice')+10:]
                    urls[2]=tmp[:tmp.find('/voice')]+'/voice_kr/'+tmp[tmp.find('/voice')+10:]
                    urls[3]=tmp[:tmp.find('/voice')]+'/voice_en/'+tmp[tmp.find('/voice')+10:]
                else:
                    urls[0]=tmp
                    urls[1]=tmp[:tmp.find('/voice')]+'/voice_cn/'+tmp[tmp.find('/voice')+7:]
                    urls[2]=tmp[:tmp.find('/voice')]+'/voice_kr/'+tmp[tmp.find('/voice')+7:]
                    urls[3]=tmp[:tmp.find('/voice')]+'/voice_en/'+tmp[tmp.find('/voice')+7:]
                print('正在下载'+character_name+'-'+audio_name+'语音\n')
                for i in range(len(urls)):
                    download_audio(i,urls[i],file_names[i],save_path,if_again)
                            
        except Exception as e:
            print("程序运行出错:", str(e))
#爬取bgm
def ins_music(home_url):
    path=PATH+'背景音乐'
    if not os.path.exists(path):
        os.makedirs(path)
    print('获取音乐网址')
    soup=BeautifulSoup(requests.get(home_url).text,'html.parser')
    tmp_urls=soup.find_all('table',{'class':"wikitable mw-collapsible mw-collapsible-dark mw-collapsible-title-center mw-collapsed"})
    bgms=[]
    for tmp in tmp_urls:
        bgms+=tmp.find_all('tr')
    i=0
    while(i<len(bgms)):
        if(bgms[i].find('source')==None):
            del bgms[i]
            continue
        i+=1
    print("获取完毕")
    for bgm in bgms:
        bgm_name=bgm.find('div',{'class':'nodesktop'}).text
        while ':' in bgm_name:
            bgm_name=bgm_name[:bgm_name.find(':')]+':'+bgm_name[bgm_name.find(':')+1:]
        while '<' in bgm_name:
            bgm_name=bgm_name[:bgm_name.find('<')]+'《'+bgm_name[bgm_name.find('<')+1:]
        while '>' in bgm_name:
            bgm_name=bgm_name[:bgm_name.find('>')]+'》'+bgm_name[bgm_name.find('>')+1:]
        while '?' in bgm_name:
            bgm_name=bgm_name[:bgm_name.find('?')]+'?'+bgm_name[bgm_name.find('?')+1:]
        while '|' in bgm_name:
            bgm_name=bgm_name[:bgm_name.find('|')]+'-'+bgm_name[bgm_name.find('|')+1:]
        while '*' in bgm_name:
            bgm_name=bgm_name[:bgm_name.find('*')]+'×'+bgm_name[bgm_name.find('*')+1:]
        while '/' in bgm_name:
            bgm_name=bgm_name[:bgm_name.find('/')]+'-'+bgm_name[bgm_name.find('/')+1:]
        while '\\' in bgm_name:
            bgm_name=bgm_name[:bgm_name.find('\\')]+'-'+bgm_name[bgm_name.find('\\')+1:]
        bgm_url=bgm.find('source')
        bgm_url=bgm_url.get('src')
        print("正在爬取"+bgm_name)
        with open(path+'\\'+bgm_name+'.mp3','wb') as f:
            f.write(requests.get(bgm_url,headers=headers).content)
        print("完成")
#主函数
def main_code():
    try:
        tmp1=-1
        while(tmp1!='1' and tmp1!='0'):
            tmp1=input('是否爬取角色语音(1:是 0:否):')
        tmp2=-1
        while(tmp2!='1' and tmp2!='0'):
            tmp2=input('是否爬取角色立绘与皮肤(1:是 0:否):')
        tmp3=-1
        while(tmp3!='1' and tmp3!='0'):
            tmp3=input('是否爬取游戏公测版本BGM及在线发布的游戏相关曲目(1:是 0:否):')
        if int(tmp1)==1:
            if_again=-1
            while(if_again!='0' and if_again!='1'):
                if_again=input('是否重复下载(1:是/0:否)')
            html = get_res('http://prts.wiki/w/%E5%B9%B2%E5%91%98%E4%B8%80%E8%A7%88')
            ins_audio(html,if_again)
            print("爬取语音函数运行完毕, 请于文件夹中查看\n")
        if int(tmp2)==1:
            ins_pic(get_res('http://prts.wiki/w/%E5%B9%B2%E5%91%98%E4%B8%80%E8%A7%88'))
            html = get_res('https://prts.wiki/w/%E6%97%B6%E8%A3%85%E5%9B%9E%E5%BB%8A')
            soup=BeautifulSoup(html,'html.parser')
            urls=soup.find_all('div',{'class':'skinwrapper charskinbtn-controler'})
            for i in range(len(urls)):
                urls[i]=str(urls[i].find('a').get('href'))
                urls[i]=pre_url+urls[i][:urls[i].find('#')]
            urls=list(set(urls))
            for url in urls:
                get_skin(url)
        
        if tmp3=='1':
            ins_music('https://prts.wiki/w/%E9%9F%B3%E4%B9%90%E9%89%B4%E8%B5%8F')
            print("爬取游戏公测版本BGM及在线发布的游戏相关曲目函数运行完毕, 请于文件夹中查看\n")

    except Exception as e:
        print("程序运行出错:", str(e))
    

if __name__ == "__main__":
    main_code()

评分

参与人数 1荣誉 +5 贡献 +3 收起 理由
歌者文明清理员 + 5 + 3

查看全部评分

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2023-7-13 12:09:43 | 显示全部楼层
有打包成exe,但文件太大了
……qwq
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2023-7-13 12:11:28 | 显示全部楼层
chenyiyun 发表于 2023-7-13 12:09
有打包成exe,但文件太大了
……qwq

网盘
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2023-7-13 14:10:41 | 显示全部楼层

太麻烦了,平时都不咋用……
给个邮箱我发你吧
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2023-7-13 14:21:53 | 显示全部楼层
chenyiyun 发表于 2023-7-13 14:10
太麻烦了,平时都不咋用……
给个邮箱我发你吧

不用,pyinstaller我会
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-11-14 18:17

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表