http://archive.org 是一个神奇的网站，可以下载各种古旧的软件、书籍、音频、视频，还可以搜索各个网站的历史网页。
比如说，一些儿童故事音频就可以在http://archive.org下载到，可以用来做英语听力启蒙用。
举个例子，要下载https://archive.org/details/107frogandtoadallyear_202004这个网页上的所有音频内容，该怎么办呢？
右击，检查网页，点击网络，然后选择媒体，然后可以看到正在播放的音频文件，右击复制链接，如下：
https://archive.org/details/107frogandtoadallyear_202004/2-12+Alone.mp3
查看网页源代码，搜索某一个音频文件标题：Alone.mp3
找到了音频文件的地址：
<button type="button" data-event-click-tracking="TrackList|Item" class="track selected" data-track-number="21">
<!--?lit$3345567357$--><span class="track-number"><!--?lit$3345567357$-->22</span>
<span class="track-title"><!--?lit$3345567357$-->2-12 Alone
<!--?lit$3345567357$-->
</span>
<span class="track-length">
<!--?lit$3345567357$-->
<!--?lit$3345567357$-->05:10
</span>
</button>
接下来就好办了，在ChatGPT中输入提示词：
你是一个Python编程专家，现在要完成一个下载网页中音频的任务，具体步骤如下：
打开网站：https://archive.org/details/107frogandtoadallyear_202004
解析源代码，找出所有itemprop="hasPart"的div元素，定位其中itemprop="associatedMedia" 的link元素；
提取link元素的href值，作为音频下载的URL地址；
多线程下载这个音频文件，保存到电脑D盘的文件夹：Frog and Toad Audio Collection
注意：每一步都要输出信息
要有反爬虫措施，比如下载一个音频文件后暂停3秒；
音频下载的Python源代码：
import requests
from bs4 import BeautifulSoup
import os
import time
import threading
class Downloader(threading.Thread):
def __init__(self, url, path):
threading.Thread.__init__(self)
self.url = url
self.path = path
def run(self):
print(f'Starting download {self.path}')
r = requests.get(self.url, stream=True)
with open(self.path, 'wb') as f:
for chunk in r.iter_content(chunk_size=1024):
if chunk:
f.write(chunk)
print(f'Finished download {self.path}')
time.sleep(3) # pause for 3 seconds
def get_audio_links(url):
r = requests.get(url)
soup = BeautifulSoup(r.text, 'html.parser')
audio_links = []
for div in soup.find_all('div', itemprop='hasPart'):
link = div.find('link', itemprop='associatedMedia')
if link:
audio_links.append(link['href'])
return audio_links
def download_audios(url, directory):
if not os.path.exists(directory):
os.makedirs(directory)
audio_links = get_audio_links(url)
downloaders = []
for i, audio_link in enumerate(audio_links):
path = os.path.join(directory, f'audio{i}.mp3')
downloader = Downloader(audio_link, path)
downloader.start()
downloaders.append(downloader)
for downloader in downloaders:
downloader.join()
url = 'https://archive.org/details/107frogandtoadallyear_202004'
directory = 'D:\\Frog and Toad Audio Collection'
download_audios(url, directory)
程序运行，很快就把网页中的音频下载完了。
