前言

嗨喽~大家好呀，这里是魔王呐 !

又是普普通通采集美女得一天啊~

环境使用:

• Python 3.8

• Pycharm

• 谷歌浏览器

• 谷歌驱动

模块使用:

• requests >>> pip install requests

• re

• json

• selenium >>> pip install selenium==3.141.0 <需要浏览器和浏览器驱动>

安装python第三方模块:

1. 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

2. 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?

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)

2. 点击齿轮, 选择add

3. 添加python安装路径

pycharm如何安装插件?

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)

2. 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

3. 选择相应的插件点击 install(安装) 即可

4. 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

思路分析

先采集一个视频内容 —> 采集这个视频博主所有视频内容

如何实现案例: 流程思路 <通用模板>

一. 数据来源分析:

1. 明确需求:

   采集那个网站上面什么数据内容 —> 1. 视频标题 2. 视频播放链接

2. 通过开发者工具进行抓包分析, 分析数据所在地方

   • F12 或者 鼠标右键点击检查选择network 刷新网页 —> 为了让本网页相关数据内容, 重新加载一遍

   • 找视频播放链接在什么地方 —> 找media

   • 已知 视频播放链接 —> 分析这个视频播放链接在什么可以得到

   通过搜索分析, 可以找到视频数据来源, 但是链接是转码了 <代码实现时候, 提取出来, 然后进行解码就可以了>

二. 代码实现步骤过程

1. 发送请求, 模拟浏览器对于url地址发送请求

2. 获取数据, 获取服务器返回响应数据

   开发者工具里面 response

3. 解析数据, 提取我们想要数据内容

   • 视频链接

   • 视频标题

4. 保存数据, 把视频内容保存本地文件夹

批量采集代码

导入数据请求模块

第三方模块 需要在cmd里面或者pycharm终端里面进行安装 pip install requests

import requests
# 导入正则  内置模块 不需要安装
import re
# 导入json模块  内置模块 不需要安装
import json
# 导入格式化输出模块 内置模块 不需要安装
from pprint import pprint
# 自动化测试模块
from selenium import webdriver
# 导入时间模块
import time

“”"

发送请求, 模拟浏览器对于url地址发送请求

• <Response [200]> 表示响应对象

  对于url地址 请求成功, 但是不代表你一定得到数据

• 为什么没有得到我们想要数据内容

  当我们被服务器识别出来是爬虫程序的时候, 我可能得不到数据, 或者得到数据不是我们想要的

selenium 模拟人的行为去操作浏览器, 获取所有视频ID

定位元素获取视频播放页url地址

selenium —> 浏览器驱动谷歌 —> 浏览器谷歌

“”"

打开浏览器 实例化浏览器对象 driver 浏览器对象

driver = webdriver.Chrome()

输入网址, 访问网站

因为代码里有链接，不给过的，所以我只能截个图展示一下，你们可以根据下方图片添加完整哦~

或点击 蓝色字体 领取完整源码，我都放在这里了。

滑动页面,让网页加载所有视频内容 selenium 去执行js代码

def drop_down():
    """执行页面滚动的操作 自定义函数"""  # javascript
    for x in range(1, 30, 4):  # 1 3 5 7 9  在你不断的下拉过程中, 页面高度也会变的
        time.sleep(1)
        j = x / 9  # 1/9  3/9  5/9  9/9
        # document.documentElement.scrollTop  指定滚动条的位置
        # document.documentElement.scrollHeight 获取浏览器页面的最大高度
        js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j
        driver.execute_script(js)

# 调用函数 实现网页自动下滑操作
drop_down()

通过元素定位 通过 css 选择器查找元素 所有li标签

lis = driver.find_elements_by_css_selector('.Eie04v01')
if lis:
    pass
else:
    lis = driver.find_elements_by_css_selector('.ECMy_Zdt')
# for循环遍历
for li in lis:
    try:
        time.sleep(1)
        # 通过 css 选择器查找元素 具体哪一个标签里的数据内容
        url = li.find_element_by_css_selector('a').get_attribute('href')
        print(url)

确定请求url地址

        # 伪装 模拟浏览器 --> headers 请求头 <开发者工具里面进行复制粘贴>
        headers = {
            # user-agent 用户代理 表示浏览器基本身份信息
            '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 = requests.get(url=url, headers=headers)

“”"
获取数据, 获取服务器返回响应数据

开发者工具里面 response —> response.text

解析数据, 提取我们想要数据内容

• 视频链接

• 视频标题

正则re提取数据内容

调用re模块findall方法 --> 找到我们想要的数据内容

re.findall(‘什么数据’, ‘什么地方’)

从什么地方, 去找什么样的数据内容

从 response.text 里面 去找 <title data-react-helmet="true">(.*?)</title> 其中(.*?) 这段是我们要的数据

print(json_data) --> 打印字典数据 返回一行数据内容

pprint(json_data) --> 打印字典数据 返回多行数据内容 展开效果

字典数据提取内容

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]

“”"

提取标题

        title = re.findall('<title data-react-helmet="true">(.*?)</title>', response.text)[0]
        # 提取视频信息
        video_info = re.findall('<script id="RENDER_DATA" type="application/json">(.*?)</script', response.text)[0]
        # 解码  <class 'str'> requests.utils.unquote 解码  requests.utils.quote 编码
        html_data = requests.utils.unquote(video_info)
        # 数据类型转换 转json字典数据  json 数据存储格式  在python字典数据类型
        json_data = json.loads(html_data)
        # json_data 字典类型 --> 提取视频链接
        video_url = 'https:' + json_data['32']['aweme']['detail']['video']['bitRateList'][0]['playAddr'][0]['src']

“”"
保存数据, 把视频内容保存本地文件夹

• 对于视频链接发送请求, 获取数据的

response.content 获取二进制数据内容
“”"

        # 获取视频内容 --> 对于视频链接地址发送请求, 获取二进制数据内容
        video_content = requests.get(url=video_url, headers=headers).content
        # 'video\\'<文件夹> + title<文件名> + '.mp4'<文件后缀> mode='wb' 二进制写入保存
        with open('video\\' + title + '.mp4', mode='wb') as f:
            # 写入/保存数据
            f.write(video_content)
        print(title)
        print(video_url)
    except:
        pass

下面，我们来欣赏一下小姐姐吧~

文章看不懂，我专门录了对应的视频讲解，本文只是大致展示，完整代码和视频教程点击下方蓝字

点击 蓝色字体 自取，我都放在这里了。

尾语

要成功，先发疯，下定决心往前冲！

学习是需要长期坚持的，一步一个脚印地走向未来！

未来的你一定会感谢今天学习的你。

—— 心灵鸡汤

本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦 😝