本站于2023年9月4日。收到“大连君*****咨询有限公司”通知
说我们IIS7站长博客，有一篇博文用了他们的图片。
要求我们给他们一张图片6000元。要不然法院告我们

为避免不必要的麻烦，IIS7站长博客，全站内容图片下架、并积极应诉
博文内容全部不再显示，请需要相关资讯的站长朋友到必应搜索。谢谢！

另祝：版权碰瓷诈骗团伙，早日弃暗投明。

相关新闻：借版权之名、行诈骗之实，周某因犯诈骗罪被判处有期徒刑十一年六个月

叹！百花齐放的时代,渐行渐远!

---

这里下载极客时间网站的免费音频

先分析网页

数据结构与算法之美
https://time.geekbang.org/column/intro/126
点进去第一个

可以看到都有个article的数据，数据里有一个data，data中有个audio_download_url，是个MP3
这里可以直接拷贝到浏览器，确定就是这个课程这一节的音频，我们的目标就找到了，就是这个东西

这个可以看到是请求的路径，并非上面的网址
参数在下面

因为需要登录，所以封装自己的请求头
抄浏览器的

一长串，里面的cookie会过期，过一段时间是需要修改的

单个媒体下载

import json

import requests

headers2= {
'Accept':'application/json, text/plain, */*',
'Accept-Encoding':'gzip, deflate, br',
'Accept-Language':'zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7,zh-TW;q=0.6',
'Connection':'keep-alive',
'Content-Length':'73',
'Content-Type':'application/json',
'Cookie':'_ga=GA1.2.1030138631.1629027991; LF_ID=1629027991552-8121479-3323698; GCID=6d8a6fa-13351d1-3345bda-421bf56; GRID=6d8a6fa-13351d1-3345bda-421bf56; gksskpitn=7c61cb9d-642e-443b-b3e5-a696c5eb3fc4; _gid=GA1.2.369696871.1631087158; GCESS=BgMEqZ84YQQEAC8NAAsCBgAKBAAAAAAIAQMHBKBBO7gNAQEGBB66HJMMAQEBCM.VKAAAAAAABQQAAAAAAgSpnzhhCQEB; Hm_lvt_59c4ff31a9ee6263811b23eb921a5083=1630833486,1630917251,1631087158,1631100840; Hm_lvt_022f847c4e3acd44d4a2481d9187f1e6=1630833486,1630917251,1631087158,1631100840; sensorsdata2015jssdkcross=%7B%22distinct_id%22%3A%222659791%22%2C%22first_id%22%3A%2217b49a27e840-0fa330fb0d8d53-404b032d-1049088-17b49a27e8692%22%2C%22props%22%3A%7B%22%24latest_traffic_source_type%22%3A%22%E5%BC%95%E8%8D%90%E6%B5%81%E9%87%8F%22%2C%22%24latest_search_keyword%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC%22%2C%22%24latest_referrer%22%3A%22https%3A%2F%2Faccount.infoq.cn%2Fsyncinfoq%2F%3Fto%3Dff6d71c6643d6044%26redirect%3Dhttps%253A%252F%252Ftime.geekbang.org%252Fcolumn%252Fintro%252F100017301%22%2C%22%24latest_landing_page%22%3A%22https%3A%2F%2Ftime.geekbang.org%2Fcolumn%2Fintro%2F100017301%22%2C%22%24latest_utm_source%22%3A%22shequn%22%2C%22%24latest_utm_medium%22%3A%220817%22%2C%22%24latest_utm_campaign%22%3A%22newregister%22%7D%2C%22%24device_id%22%3A%2217b49a27e840-0fa330fb0d8d53-404b032d-1049088-17b49a27e8692%22%7D; Hm_lpvt_59c4ff31a9ee6263811b23eb921a5083=1631101079; _gat=1; Hm_lpvt_022f847c4e3acd44d',
'Host':'time.geekbang.org',
'Origin':'https://time.geekbang.org',
'Referer':'https://time.geekbang.org/column/intro/100017301',
'sec-ch-ua':'"Chromium";v="92", " Not A;Brand";v="99", "Google Chrome";v="92"',
'sec-ch-ua-mobile':'?0',
'Sec-Fetch-Dest':'empty',
'Sec-Fetch-Mode':'cors',
'Sec-Fetch-Site':'same-origin',
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36',
}

data2 = {"id":"40961","include_neighbors":'true',"is_freelyread":'true'}

res2 = requests.post(url='https://time.geekbang.org/serv/v1/article', data=json.dumps(data2),headers=headers2).json()
# print(res2)
url=res2.get('data').get('audio_download_url')
print(res2)
print(url)
res3=requests.get(url)
with open('xx.mp3','wb') as f:
    f.write(res3.content)

能下下来指定的MP3

批量处理

课程的首页里点开目录，可以看到浏览器加载了一个articles的xhr
里面有个data，data里有list
每个list都包含小节的id

请求的路径和类型是这个

请求的参数是这个

data = {"cid":'126',"size":'500',"prev":'0',"order":"earliest","sample":'false'}
res = requests.post(url='https://time.geekbang.org/serv/v1/column/articles', data=json.dumps(data),headers=headers2).json()
    # print(res)
    params = res.get('data')['list']
    print(params)

遍历这个list，取出其中我们需要的id和标题

 for i in params:
        id = i.get('id')
        title = i.get('article_sharetitle')

组合单个下载的方法，尝试获取媒体文件的url

        if all((id,title)):
            # try:
            print(id,title)
            data2 = {"id": f"{id}", "include_neighbors": 'true', "is_freelyread": 'true'}
            time.sleep(2)
            res2 = requests.post(url='https://time.geekbang.org/serv/v1/article', data=json.dumps(data2),
                                 headers=headers2).json()
            # print(res2)
            try:
                res_url=res2.get('data').get('audio_download_url')
                print(res_url)
            except:
                print('此处无资源')
                res_url=None

对有效的url进行下载

def download_mp3(title,url:str):
    res = requests.get(url)
    if url.endswith('mp3'):
        name='vm6/'+title+'.mp3'
        with open(name,'wb') as f:
            f.write(res.content)

有时候需要对标题提取，去掉不可成为文件名的字符

def validateTitle(title):
    # 去除文件不识别符号
    punctuation = '!,;:?"\'、，；“ ” 《 》【】？ + * & /'
    new_title = re.sub(r'[{}]+'.format(punctuation), '', title)
    return new_title.strip()

结果是这样的
None的是url没有获取到，在课程网站是锁定的，付费才能开通，所以我这里是没有的

运行次数多了会出错，在这里建议重新登录自己的账号，获取新的cookie，而且一次也不要太多，可以尝试着分段提取，调整自己的cookie。

cs