我发现抖音上很多小姐姐就拍个跳舞的视频就火了，各人是冲着舞蹈水平去的吗，都是冲着颜值身材去的，能刷到这篇文章的都是lsp了，我就跟各人不一样了，一个个刷太麻烦了，我直接爬下来看个够，先随意展示两个。
采集目标
爬取目标:女神世界
结果展示
工具使用
使用环境:Python3.7 工具:pycharm 第三方库:requests, re, pyquery
爬虫思路:
- 获取的是视频数据 (16进制字节)
- 在这个页面没有视频地址 需要进去详情页 所有需要从 视频播放页开始抓取
使用快捷键 F12 进入开发者控制台:
先不急, 找到 视频地址 去搜刮他 看看在那里有包罗:
定位他 发现是静态页面返回的数据:
上代码:
def Tools(url):# 封装一个工具函数 用来做哀求的 headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.82 Safari/537.36 Edg/93.0.961.52' } response = requests.get(url, headers=headers) return responseurl = 'https://www.520mmtv.com/9614.html'response = Tools(url).textvideo_url = re.findall(r'url: "(.*?)",', response)[0] # 正则表达式提取 视频地址video_content = Tools(video_url).content# 视频地址存储 需要在代码同路径 手动创建 短视频文件夹with open('./短视频/123.mp4', 'ab') as f: f.write(video_content)# 下载了一个
def main(): url = 'https://www.520mmtv.com/hd/rewu.html' response = Tools(url).text doc = pq(response) # 创建pyquery对象 注意根据css的 class 类选择 和id选择器进行数据提取 i_list = doc('.i_list.list_n2.cxudy-list-formatvideo a').items() # .类选择器 中间有空格的 记得更换成. meta_title = doc('.meta-title').items() # 标题 for i, t in zip(i_list, meta_title): href = i.attr('href') Play(t.text(), href)
全部代码:
import requestsimport refrom pyquery import PyQuery as pqdef Tools(url): headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.82 Safari/537.36 Edg/93.0.961.52' } response = requests.get(url, headers=headers) return responsedef Play(title, url): # url = 'https://www.520mmtv.com/9614.html' response = Tools(url).text video_url = re.findall(r'url: "(.*?)",', response)[0] video_content = Tools(video_url).content with open('./短视频/{}.mp4'.format(title), 'ab') as f: f.write(video_content) print('{}下载完成....'.format(title))def main(): url = 'https://www.520mmtv.com/hd/rewu.html' response = Tools(url).text doc = pq(response) # 创建pyquery对象 注意根据css的 class 类选择 和id选择器进行数据提取 i_list = doc('.meta-title').items() # .类选择器 中间有空格的 记得更换成. meta_title = doc('.meta-title').items() # 标题 for i, t in zip(i_list, meta_title): href = i.attr('href') Play(t.text(), href)if __name__ == '__main__': main()
下载比较慢网络不好，你网快的话 ，就下载快。
结果:
|
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
显身卡
