前言
嗨喽，大家好！这里是魔王呐~
环境使用:
Python 3.8 解释器<运行代码>
Pycharm 编辑器 <写代码>
模块使用]:
- requests >>> 数据请求 第三方模块 pip install requests <工具>
- re <正则表达式模块>
如果安装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
如何配置pycharm里面的python解释器?
- 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
- 点击齿轮, 选择add
- 添加python安装路径
pycharm如何安装插件?
- 选择file(文件) >>> setting(设置) >>> Plugins(插件)
- 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
- 选择相应的插件点击 install(安装) 即可
- 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效
基本思路流程:
一. 分析数据来源
找寻网址上面视频数据来自于哪里
开发者工具进行抓包..
- 鼠标右键点击检查 或者 F12打开开发者工具
- 刷新网页
- 找寻视频数据...<通过media里找寻视频url地址>
- 找视频url地址来于那个数据包 >>> 通过视频url地址中一段参数进行搜索, 建议是搜.mp4前面这段内容...
二, 代码实现过程: 对于某些网站 可能需要多次请求,
- 发送请求, 对于找到视频数据包发送请求
- 获取数据, 获取服务器返回响应数据
- 解析数据, 提取我们想要数据内容 视频url地址 视频标题
.... - 保存数据, 保存视频数据到本地文件夹
多个视频采集 <视频数据包url地址变化规律>
代码
导入模块
# import requests
import requests # 数据请求模块
import pprint # 格式化输出模块
import re
for page in range(2, 6):
print(f'正在采集第{page}页的数据内容')
link = f'https://v.huya.com/g/all?set_id=51&order=hot&page={page}'
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
}
html_data = requests.get(url=link, headers=headers).text
# print(html_data)
# 使用re正则表达式提取数据 从什么地方去获取什么数据
# <li data-vid="(\d+)"><a href=".*?" 加了括号是我们想要数据内容 \d+ 匹配多个数字 .*? 可以匹配任意字符(除了换行符\n)
video_id_list = re.findall('<li data-vid="(\d+)"><a href=".*?"', html_data)
print(video_id_list)
for video_id in video_id_list:
url = f'https://liveapi.huya.com/moment/getMomentContent?videoId={video_id}&uid=&_=1654949607282'
# 伪装python代码 在开发者工具里复制 user-agent 用户代理 表示浏览器基本身份表示
# headers请求头, 可以python代码伪装成浏览器对于url地址发送请求 <作用防止被识别出来是爬虫程序>
# cookie 用户信息, 常用于检测是否登陆账号 <无论登陆与否 都有一个cookie>
# headers = {
# 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
# }
# 通过requests模块里面get请求方法对于url地址发送请求, 并且携带上headers请求头伪装, 最后用自定义变量response接受返回数据
response = requests.get(url=url, headers=headers)
# print(response.json()) # <Response [200]> 200表示请求成功 response.json() 返回数据一定是完整json数据格式
# pprint.pprint(response.json())
# 解析数据 字典取值 根据键值对取值 {'键': '值', '键1': '值1'} 根据冒号左边的内容<键>, 提取冒号右边的内容<值>
title = response.json()['data']['moment']['title']
title = re.sub(r'[\/:*?"<>|\n\r\t]', '', title)
video_url = response.json()['data']['moment']['videoInfo']['definitions'][0]['url']
print(title)
print(video_url)
# 保存数据 需要对于视频播放地址, 发送请求获取数据内容
video_content = requests.get(url=video_url, headers=headers).content
with open('video\\' + title +video_id + '.mp4', mode='wb') as f: # as 重命名为 f
f.write(video_content)
# f = open('video\\' + title + '.mp4', mode='wb')
# f.write(video_content)
# f.close()
尾语
成功没有快车道，幸福没有高速路。
所有的成功，都来自不倦地努力和奔跑，所有的幸福都来自平凡的奋斗和坚持
——励志语录
本文章就写完啦~感兴趣的小伙伴可以复制代码去试试
你们的支持是我最大的动力！！记得三连哦~ 💕 欢迎大家阅读往期的文章呀~
