赞
踩
大家早好、午好、晚好吖~
Python 3.8
Pycharm
谷歌浏览器
requests >>> pip install requests
re
json
selenium >>> pip install selenium==3.141.0 <需要浏览器和浏览器驱动>
win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令
确定需求 --> 采集那个网站上面什么数据内容
视频标题
视频播放链接 --> 才能下载视频
通过开发者工具进行抓包分析 --> 网页浏览器自带工具
F12 或者 右键点击检查
刷新网页 --> 让网页数据内容重新加载一遍
选择 media 可以直接找视频播放链接
通过开发者工具搜索, 可以直接找视频播放地址来源
获取数据, 获取服务器返回响应数据 —> response
解析数据, 提取我们想要的 视频标题以及播放地址
保存数据, 把视频内容保存本地文件夹
# 导入<工具> 数据请求模块 --> <相当于手机第三方应用>第三方模块, 需要自己在cmd / pycharm终端 里面进行 pip install requests import requests # 导入正则 --> 内置模块 不需要安装 <相当于手机自带APP> import re # 导入json模块 --> 内置模块 不需要安装 <相当于手机自带APP> import json # 导入格式化输出模块 --> 内置模块 不需要安装 <相当于手机自带APP> from pprint import pprint # 导入模块 from selenium import webdriver # 导入时间模块 import time # 采集多个视频, 获取所有视频ID就可以了 --> selenium <模拟人的行为去操作浏览器: 目的为了获取视频ID> # 1. 打开浏览器 webdriver.Chrome('需要添加驱动路径') 如果驱动和你代码文件在同一个目录, 或者驱动在python安装目录下面 driver = webdriver.Chrome()
def drop_down(): """执行页面滚动的操作""" # javascript for x in range(1, 30, 4): # 1 3 5 7 9 在你不断的下拉过程中, 页面高度也会变的 time.sleep(1) j = x / 9 # 1/9 3/9 5/9 9/9 # document.documentElement.scrollTop 指定滚动条的位置 # document.documentElement.scrollHeight 获取浏览器页面的最大高度 js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j driver.execute_script(js) drop_down() # 3. 定位网页元素 lis = driver.find_elements_by_css_selector('.ECMy_Zdt') if lis: pass else: lis = driver.find_elements_by_css_selector('.Eie04v01') # for循环遍历 for li in lis: url = li.find_element_by_css_selector('a').get_attribute('href') print(url)
1. 发送请求
等号左边都是自定义变量 --> 自己定义的昵称
<Response [200]>
请求成功 --> 相当于打电话打通了, 有嘟嘟嘟声音, 但是对面可能给你挂了 <通话显示 广告>
response.text
获取响应文本数据
你直接用代码去请求, 人家服务器一看, 你是爬虫, 我不给你数据
确定请求url url<自定义变量名> --> 链接
# 伪装成浏览器去发送请求
headers = {
# cookie 表示用户信息, 检测是否有登陆账号 <无论是否登陆账号都有cookie>
# user-agent 用户代理, 表示浏览基本身份表示
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
}
# 发送请求
response = requests.get(url=url, headers=headers)
2. 获取数据
获取服务器返回响应数据 —> response
# print(response.text)
3. 解析数据
提取我们想要的 视频标题以及播放地址
re模块findall方法
re.findall(‘提取什么数据’, 什么地方取) --> 调用re模块里面findall方法 --> 找到所有我们想要数据内容
print(json_data) --> 打印字典数据, 呈现一行
pprint(json_data) --> 打印字典数据, 呈现多行 展开效果
# 提取标题
title = re.findall('<title data-react-helmet="true">(.*?)</title>', response.text)[0]
# 提取视频信息
html_data = re.findall('<script id="RENDER_DATA" type="application/json">(.*?)</script', response.text)[0]
# 解码 字符串数据
video_info = requests.utils.unquote(html_data)
# 转换数据类型
json_data = json.loads(video_info)
# 字典取值 --> 根据冒号左边的内容[键], 提取冒号右边的内容[值] 键值对取值
video_url = 'https:' + json_data['32']['aweme']['detail']['video']['bitRateList'][0]['playAddr'][0]['src']
print(video_url)
4. 保存数据
–> 发送请求 获取数据
video_content = requests.get(url=video_url, headers=headers).content
# 'video\\' + title + '.mp4' 文件路径以及文件名后缀 wb二进制保存
with open('video\\' + title + '.mp4', mode='wb') as f:
# 写入数据
f.write(video_content)
print(title, '保存成功')
文章看不懂,我专门录了对应的视频讲解,本文只是大致展示,完整代码和视频教程点击下方蓝字
点击 蓝色字体 自取,我都放在这里了。
赞
踩
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。