位置: IT常识 - 正文
python如何快速采集美~女视频？无反爬(python快速检索)
编辑：rootadmin推荐整理分享python如何快速采集美~女视频？无反爬(python快速检索)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:python快速上手,python快速检索,python怎么快速运行,python怎么抓取数据,python怎么抓取数据,python编程快速,python简单的数据采集,python快速上手,内容如对您有帮助，希望把文章链接给更多的朋友！
这次康康能给大家整点好看的不~
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 requestsimport reimport jsonfrom pprint import pprintfrom selenium import webdriverimport 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)我是爱学python的蚂蚁，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！！！
上一篇：车载技术—CarFramework框架【AOSP 源码编译】(carplcy车载有什么用)
下一篇：深度学习之concatenate和elementwise操作（二）
