首先澄清一下，我用Python收集这些视频，绝不是想做别的什么，真的只是用来做动态壁纸，大家不要误会！我不是那样的人~
这样的不过份吧 😻
; 阅读本文你需要准备
1、环境
Python
pycharm
我还给大家准备了大量的学习资料和教程，都在这个群了
Python学习交流群 279199867
还有大佬不定期解答问题，同千人一起进步~
2、模块使用
requests
requests 需要手动安装一下 ，win + R 输入cmd 输入安装命令 pip install 模块名 (如果你觉得安装速度比较慢, 你可以切换国内镜像源)
re
json
这两个是内置模块，不需要安装，Python环境安装好就可以了。
3、关于模块安装失败
如何安装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
4、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
5、Python想要兼职接外包应该学习什么?
外包是什么? 是指别人花钱请你帮他写程序, 根据甲方的需求定制化开发程序软件, 从而获得一定报酬。
目前关于爬虫+数据分析外包相对而言会多一些。
比如:
- 学生的毕设 / 课设 / 作业、个人商家需要的一些数据采集、某人公司需要的某些数据等等；
- 采集疫情数据做可视化分析 / 采集房源数据做可视化分析 / 采集招聘网站做可视化分析 / 采集电商平台做可视化分析 等等
这些是普遍存在的外包需求
根据外包的需求以及难易程序 外包的收费情况也是不一样的, 按照分布计算。
- 简单的外包: 100-300左右 耗时: 30-60分钟左右
- 中等的外包: 500+ 左右 耗时: 1-2个小时左右
- 难度稍大外包: 价格 1000+ 不封顶等 耗时: 3-5天不等
爬虫和数据分析外包 一般情况写外包的周期相对而言会比较多短
网站开发的外包难度以及耗时相当而言会大一些，比如开发后台数据管理系统 / 某公司企业官网 / 或者学生毕设等等，但是价格相对而言都是比较高的，网站开发价格普通是上千。
6、Python找工作就业方向以及薪资待遇情况
Python找工作方向主要是
- 开发工程师
- 爬虫工程师
北京平均薪资22.5K
应届生16.7K
1-3年 18.1K
3-5年 24K - 数据分析师
北京平均薪资25.3K
应届生13.5K
1-3年 19.4K
3-5年26.2K
以上数据来源于科大招聘网站
常用p虫通用模板
- 一. 数据来源分析
采集数据内容, 要知道我们想要内容是来自哪里
I. F12打开打开发者工具
II. 刷新网页 让数据重新加载一遍
III. 这个网站是一个m3u8视频内容
正常情况, 一个视频完整的内容
m3u8视频内容 会整个完整视频内容,分割成很多个小视频片段
请求获取网页源代码 就可以得到m3u8文件 >>> 所有视频片段就得到了 >>> 合成为一个整体的视频内容
-
二. 代码实现步骤:
-
发送请求, 对于视频播放详情页url地址发送请求
- 获取数据, 获取网页源代码
- 解析数据, 提取我们想要数据内容
- 发送请求, 对于m3u8文件url发送请求
- 获取数据, 获取服务器返回response响应数据
- 解析数据, 提取所有ts文件内容
- 保存数据, 保存视频内容到本地
- 多个视频采集
- 多页数据采集
- 根据关键词视频下载
- 根据关键词视频下载
代码部分
import time
import requests # 数据请求模块
import re # 正则表达式模块
import json
import pprint
for page in range(3, 29):
print(f'正在采集第{page}页的数据')
time.sleep(1)
link = 'https://www.acfun.cn/u/29946310'
data = {
'quickViewId': 'ac-space-video-list',
'reqID': page+1,
'ajaxpipe': '1',
'type': 'video',
'order': 'newest',
'page': page,
'pageSize': '20',
't': '1653659024877',
}
headers = {
'referer': 'https://acfun/u/29946310',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
}
response = requests.get(url=link, params=data, headers=headers)
# pprint.pprint(response.text)
ac_id_list = re.findall('atomid.*?:.*?"(\d+).*?"', response.text)
print(ac_id_list)
for ac_id in ac_id_list:
url = f'https://acfun/v/ac{ac_id}'
headers = {
'referer': f'https://acfun/u/{ac_id}',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
title = re.findall('(.*?) - AcFun弹幕视频网 - 认真你就输啦 \(\?ω\?\)ノ- \( ゜- ゜\)つロ', response.text)[0]
html_data = re.findall('window.pageInfo = window.videoInfo = (.*?);', response.text)[0]
json_data = json.loads(html_data)
m3u8_url = json.loads(json_data['currentVideoInfo']['ksPlayJson'])['adaptationSet'][0]['representation'][0]['backupUrl'][0]
m3u8_data = requests.get(url=m3u8_url, headers=headers).text
m3u8_data = re.sub('#E.*', '', m3u8_data).split()
print(title)
print(m3u8_url)
兄弟们快去试试吧！
Original: https://www.cnblogs.com/hahaa/p/16383420.html
Author: 轻松学Python
Title: 我用Python爬完一页又一页，只因这个网站小姐姐视频太迷人！
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/810156/
转载文章受原作者版权保护。转载请注明原作者出处！