环境使用:
- Python 3.8
- Pycharm
- mou歌浏览器
mou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【需要网址的私我吧这不给放】
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pachong程序 解决:把代码伪装成浏览器去发送请求 —> headers 请求头
print(url) time.sleep(1)
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 data-react-helmet="true">(.*?)</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 id="RENDER_DATA" 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)
声明:本站所有资源,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。