前言
大家早好、午好、晚好吖~
目录标题
*
– 前言
– 环境使用:
– 模块使用:
– 模块安装问题:
–
+
* 如果安装python第三方模块:
* 安装失败原因:
+ 如何配置pycharm里面的python解释器?
+ pycharm如何安装插件?
+ 👇 👇 👇 源码、教程
– 如何实现虫案例:
–
+ 一. 数据来源分析
+ 二. 代码实现步骤:
– 代码展示
–
+ 👇 👇 👇 源码、教程 领取
– 效果展示
– 尾语 💝
; 环境使用:
- Python 3.8
- Pycharm
模块使用:
- import requests >>> pip install requests
内置模块 你安装好python环境就可以了
- import re
- import json
模块安装问题:
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
安装失败原因:
- 失败一: pip 不是内部命令 解决方法: 设置环境变量
- 失败二: 出现大量报红 (read time out) 解决方法: 因为是网络链接超时, 需要切换镜像源 清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：https://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：https://pypi.hustunique.com/
山东理工大学：https://pypi.sdutlinux.org/
豆瓣：https://pypi.douban.com/simple/ 例如：pip3 install -i https://pypi.doubanio.com/simple/ 模块名 - 失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入 解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好
或者你pycharm里面python解释器没有设置好
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
👇 👇 👇 源码、教程
资料点击 蓝色字体 自取 ，我都放在这里了。
如何实现虫案例:
一. 数据来源分析
- 分析清楚我们想要数据内容, 是在什么地方, 什么样子的
使用开发者工具进行抓包分析: 视频数据以及视频标题
I. F12 或者 右键点击检查选择 network 刷新网页
这么多数据包, 我想要视频数据在什么地方?
- M3U8 视频格式: 把整个完整的视频内容, 分为N个视频片段, 每个片段都是几秒钟
所有视频片段
II. 在开发者工具里面 直接搜索m3u8 可以直接找相对应链接地址
继续分析 这个 m3u8 url地址是从哪里过来 在什么地方有
III. 我们想要视频数据
获取整个视频内容 —> 分为N个视频片段
二. 代码实现步骤:
- 发送请求, 模拟浏览器对于视频播放详情页url发送请求
- 获取数据, 获取服务器返回响应数据
开发者工具里 response - 解析数据, 提取我们想要的数据内容
- m3u8链接
- 视频标题
- 发送请求, 模拟浏览器对于 m3u8链接 发送请求
由第三步提取出来链接发送请求 - 获取数据, 获取服务器返回响应数据
开发者工具里response - 解析数据, 提取我们想要的数据内容
所有ts文件链接 - 保存数据, 把所有视频片段内容保存下来, 并且合成为一个完整视频内容
- 多页数据采集
代码展示
👇 👇 👇 源码、教程 领取
资料点击 蓝色字体 自取 ，我都放在这里了。
导入模块
import requests
import re
import json
from pprint import pprint
1. 发送请求, 模拟浏览器对于 视频播放详情页url 发送请求
- 伪装代码 –> headers 请求头
- 在开发者工具里面进行复制粘贴
<ua, cookie host referer></ua,> - 请求头 字典数据类型, 构建完整键值对
<response [200]></response>响应对象 200 状态码 表示请求成功
如果想要多个视频内容, 就要把视频ID获取下来
分段写请求链接:
- 问号左边的内容 属于链接
- 问号右边的内容 属于请求参数/查询参数
批量替换内容:
- 选中替换的内容, 按
ctrl + R点选正则<.*><!--.*--> - 正则命令匹配数据 替换
(.*?): (.*)
'$1': '$2',
请求链接
请求参数
data = {
'quickViewId': 'ac-space-video-list',
'reqID': '13',
'ajaxpipe': '1',
'type': 'video',
'order': 'newest',
'page': '2',
'pageSize': '20',
't': '1666360290070',
}
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_1 = requests.get(url=link, params=data, headers=headers)
解析数据
video_id_list = re.findall('atomid.*?":.*?"(\d+).*?",', response_1.text)
for video_id in video_id_list:
response = requests.get(url=url, headers=headers)
2. 获取数据, 获取服务器返回响应数据
- 开发者工具里 response
response.text 获取响应文本数据
3. 解析数据, 提取我们想要的数据内容
- m3u8链接
- 视频标题
调用re模块里面 findall方法, 去找到所有我们想要的数据内容
re.findall(‘什么数据’, ‘什么地方’)
从什么地方去找你想要的什么数据
从 response.text 这里面 去找 "title":"(.*?)", 其中 (.*?) 是我们要的数据
[1] 列表索引位置取值
表示提取列表里面第二个元素
提取标题
title = re.findall('"title":"(.*?)",', response.text)[1]
提取视频信息
–> 字符串数据类型
html_data = re.findall('window.pageInfo = window.videoInfo = (.*?);', response.text)[0]
转数据类型: 方便取值
—> 字典数据类型 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]
json_data = json.loads(html_data)
提取 m3u8链接
m3u8_url = json.loads(json_data['currentVideoInfo']['ksPlayJson'])['adaptationSet'][0]['representation'][0]['backupUrl'][0]
4. 发送请求, 模拟浏览器对于 m3u8链接 发送请求
由第三步提取出来链接发送请求
5. 获取数据, 获取服务器返回响应数据
开发者工具里 response
Original: https://blog.csdn.net/weixin_62853513/article/details/127573202
Author: 搬砖python中~
Title: Python采集某网站小视频内容, m3u8内容下载
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/639399/
转载文章受原作者版权保护。转载请注明原作者出处！