编程语言直播跳舞的小姐姐穿的越来越凉快了?Python爬取颜值/舞蹈区小姐姐视频(懂得
本文主要知识点:
爬虫基本流程
re正则表达式 (内置模块)
requests >>> pip install requests 在CMD 命令符 win + R
json数据解析方法
视频数据保存
开发环境:
Python 3.6 / 3.8
Pycharm (专业需要激活码 社区免费) 安装包 安装教程 使用教程 激活码 翻译插件
谷歌/火狐浏览器驱动
【付费VIP完整版】只要看了就能学会的教程,80集Python基础入门视频教学
爬虫主要步骤:
找数据对应的地址
使用python代码发送请求
数据筛选
数据保存
用selenium自动化框架爬取数据
import requests # 数据请求 第三方模块 pip install requestsimport re # 正则表达式模块 内置模块from selenium import webdriver # 测试模拟 模拟人去操作浏览器 pip install seleniumimport pprint # 格式化输出模块import time # 时间模块# 需要谷歌/火狐驱动 python的环境安装在哪 就放那driver = webdriver.Chrome() # 把驱动直接放在python安装的路径里面 实例化一个浏览器对象driver.get('https://v.huya.com/g/all?set_id=31&order=hot&page=1')def get_video_content(): # time.sleep(2) driver.refresh() driver.implicitly_wait(10) # 隐式等待 等待数据加载 加载完成之后才继续运行后面的内容 # time 延时有点区别 死等 lis = driver.find_elements_by_css_selector('.vhy-video-list li') for li in lis: video_url = li.find_element_by_css_selector('.video-wrap').get_attribute('href') print(video_url) video_id = re.findall('https://v\.huya\.com/play/(.*?)\.html', video_url)[0] headers = { # 'Cookie': 'SoundValue=0.50; isInLiveRoom=; udb_guiddata=f88bdbcfecb444cbaebfd3430e0c220c; udb_deviceid=w_491619378696527872; udb_anouid=1462126356760; Hm_lvt_51700b6c722f5bb4cf39906a596ea41f=1631947193; __yasmid=0.5061768216828664; __yamid_tt1=0.5061768216828664; __yamid_new=C986054DD8700001912A6690BBA03A50; _yasids=__rootsid%3DC986054DD8900001E8251C028DB01560; Hm_lvt_9fb71726843792b1cba806176cecfe38=1631947194; udb_passdata=3; hiido_ui=0.8655862701494763; Hm_lpvt_51700b6c722f5bb4cf39906a596ea41f=1631948597; Hm_lpvt_9fb71726843792b1cba806176cecfe38=1631948597; rep_cnt=96', # 'Host': 'v.huya.com', # 'Pragma': 'no-cache', # 'Upgrade-Insecure-Requests': '1', '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', } index_url = f'https://liveapi.huya.com/moment/getMomentContent?videoId={video_id}&uid=&_=1631947292202' json_data = requests.get(url=index_url, headers=headers).json() # json字典数据 可以直接根据键值对 提取数据内容 冒号左边 提取冒号右边的 play_url = json_data['data']['moment']['videoInfo']['definitions'][0]['url'] title = json_data['data']['moment']['videoInfo']['videoTitle'] # video_content = requests.get(url=play_url, headers=headers).content # 获取二进制数据内容 # with open('video\\' + title + '.mp4', mode='wb') as f: # f.write(video_content) print(title, play_url)for page in range(1, 3): print(f'正在爬取第{page}页数据内容') get_video_content() driver.find_element_by_css_selector('.next').click() time.sleep(1)
运行代码,得到结果
对于本篇文章有疑问的同学也可以点这里
赞 (0)