python幾乎無所不能 只有你不知道的,如何通過Python玩轉小視頻
阿新 • • 發佈:2018-06-16
nload 找到 while odi strong Coding .com CA 思路
什麽是爬蟲?
就是抓取網頁數據的程序
爬蟲怎麽抓取網頁數據?
網頁三大特征:
- 網頁都有自己唯一的URL。
- 網頁都是HTML來描述頁面信息。
- 網頁都使用http/https協議來傳輸HTML數據。
爬蟲的設計思路:
- 獲取視頻ID
- 拼接完整url
- 獲取視頻播放地址
- 下載視頻
模塊使用 requests
安裝“pip install requests”
Requests庫的七個主要方法
找到單個視頻播放地址
獲取網頁源代碼
獲取播放地址
下載視頻
完整代碼1 # -*- coding:utf-8 -*- 2 importrequests 3 from lxml import etree 4 import re 5 from urllib.request import urlretrieve 6 #獲取視頻ID 7 #拼接完整url 8 #獲取視頻播放地址 9 #下載視頻 10 #Python學習交流群:125240963,群內每天分享幹貨,包括最新的python企業案例學習資料和零基礎入門教程,歡迎各位小夥伴入群學習交流 11 12 def download(url): 13 #url = ‘http://www.pearvideo.com/category_9‘ 14 #獲取源代碼 15#html = requests.get(url) 16 html = requests.get(url).text 17 #把文本文件處理成可解釋的對象 18 #如果我用正則可以不可以也可以 19 html = etree.HTML(html) 20 video_id = html.xpath(‘//div[@class="vervideo-bd"]/a/@href‘) 21 video_url = [] 22 starurl = ‘http://www.pearvideo.com‘ 23 #完整拼接url 24 for id invideo_id: 25 newurl = starurl + ‘/‘ + id 26 video_url.append(newurl) 27 #獲取視頻播放地址 28 for playurl in video_url: 29 #獲取頁面源代碼 30 html = requests.get(playurl).text 31 #print(playurl) 32 req = ‘srcUrl="(.*?)"‘ 33 #視頻真正播放地址 34 purl = re.findall(req,html) 35 #print(purl) 36 #獲取視頻名稱 37 req = ‘<h1 class="video-tt">(.*?)</h1>‘ 38 pname = re.findall(req,html) 39 print("正在下載:%s"%pname) 40 41 urlretrieve(purl[0],‘./video/%s.mp4‘%pname[0]) 42 #download() 43 44 def downloadmore(): 45 n = 12 46 while True: 47 if n > 48: 48 return 49 url = "http://www.pearvideo.com/category_loading.jsp?reqType=5&categoryId=9&star=%d"%n 50 n+=12 51 download(url) 52 downloadmore()
python幾乎無所不能 只有你不知道的,如何通過Python玩轉小視頻