嗨害大家好鸭！我是小熊猫~
这次康康能给大家整点好看的不~
环境使用:
- Python 3.8
- Pycharm
- 谷歌浏览器
谷歌驱动 —> 驱动版本要和浏览器版本最相近 <大版本一样, 小版本最相近>
模块使用:
- requests >>> pip install requests
- selenium >>> pip install selenium==3.141.0 <需要浏览器和浏览器驱动>
默认安装 4.0版本 语法上面有点区别
- re
- json
卸载模块: pip uninstall selenium 卸载模块
安装python第三方模块:
- 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
基本思路流程: <通用>
一. 数据来源分析:
- 明确需求:
采集什么数据内容
I. 视频播放链接
II. 视频标题
- 通过浏览器自带工具: 开发者工具, 进行抓包分析
打开开发者工具: F12 / 鼠标右键点击检查选择network
刷新网页: 让本网页数据内容重新加载一遍
分析/找到 视频播放链接在哪里
- 选择 media <媒体文件> 可以直接看到 视频播放链接
- 通过搜索分析可以直接找到 视频播放链接/ 视频标题
二. 代码实现步骤:
- 发送请求, 模拟浏览器对于url地址发送请求
- 获取数据, 获取服务器返回响应数据
开发者工具: response <网页源代码>
- 解析数据, 提取我们想要的数据内容
视频标题
视频播放链接
- 保存数据, 把视频内容保存本地文件夹
代码展示
导入模块
导入数据请求模块
import requests
import re
import json
from pprint import pprint
from selenium import webdriver
import time
创建浏览器对象,
实例化对象
自动打开浏览器
driver = webdriver.Chrome()
访问网址
执行页面滚动的操作
def drop_down():
for x in range(1, 40, 4):
time.sleep(1)
j = x / 9
js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j
driver.execute_script(js)
可以直接定位元素提取内容
lis = driver.find_elements_by_css_selector('.Eie04v01')
for li in lis:
url = li.find_element_by_css_selector('a').get_attribute('href')1. 发送请求, 模拟浏览器对于url地址发送请求
<Response [200]> 响应对象, 表示请求成功
仅表示请求成功, 但是不代表一定得到数据<你想要的数据>
没有得到我们想要的数据内容:
原因: 是因为代码被服务器识别出来了, 是爬虫程序
解决:把代码伪装成浏览器去发送请求 —> headers 请求头
确定请求链接 <视频播放页面>
模拟伪装
headers = {
'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)
- 获取数据, 获取服务器返回响应数据
开发者工具: response <网页源代码>
- 解析数据, 提取我们想要的数据内容
视频标题
视频播放链接
正则表达式, 你要获取什么数据, 直接复制过来, 然后要的数据内容用 (.*?) 表示, 会直接给返回相应的内容
.*? 表示可以匹配任意字符串, 除了\n换行符以外
提取标题
title = re.findall('<title >(.*?)</title>', response.text, re.S)[0]替换一下特殊字符
title = re.sub(r'[\/:*?"<>|\n]', '', title)
提取视频信息
video_info = re.findall('<script type="application/json">(.*?)</script', response.text)[0]数据进行解码
html_data = requests.utils.unquote(video_info)
转换数据类型
json_data = json.loads(html_data)
键值对取值, 根据冒号左边的内容[键], 提取冒号右边的内容[值]
video_url = 'https:' + json_data['41']['aweme']['detail']['video']['bitRateList'][0]['playAddr'][0]['src']
print(title)
print(video_url)
4. 保存数据
video_content = requests.get(url=video_url, headers=headers).content
with open('video\\' + title + '.mp4', mode='wb') as f:
f.write(video_content)
我是小熊猫，咱下篇文章再见啦(✿◡‿◡)
有更多建议或问题可以评论区或私信我哦！一起加油努力叭(ง •_•)ง
喜欢就关注一下博主，或点赞收藏评论一下我的文章叭！！！
