python实例,突破反爬,爬取梨视频并下载-泓源视野

python实例,突破反爬,爬取梨视频并下载

#python运行环境python3.9

#目标:爬取梨视频上的视频数据下载到本地
#分析网站:
# 1,数据来源 if ?{动态数据,or 静态数据}? 通过谷歌浏览器的检查判断源代码
# 2,数据抓包分析
#视频排行榜页面列表https://www.pearvideo.com/popular_loading.jsp?reqType=1&categoryId=&start=40&sort=39&mrd=0.3765578053919627(瀑布流加载方式翻页)通过检查network-XHR(popular_longing)
#结果为动态视频 https://www.pearvideo.com/video_1705502 目标视频播放网址
#视频链接存放:https://www.pearvideo.com/videoStatus.jsp?contId=1705502&mrd=0.6076594161036941 (通过network-XHR缓存地址)
#(假)视频播放地址https://video.pearvideo.com/mp4/adshort/20201105/1604657107043-15468144_adpkg-ad_hd.mp4(network-XHR-preview-videoinfo展开数据得到videourl)
#(真)视频播放地址:https://video.pearvideo.com/mp4/adshort/20201105/cont-1705502-15468144_adpkg-ad_hd.mp4(通过目标源代码Elements右键播放处选择检查源代码得到)
#流程:
# 1,url
# 2,发送请求,接受响应
# 3,解析网页
# 4,保存数据
import re
import requests
def get_url(video_id): url = 'https://www.pearvideo.com/videoStatus.jsp?contId={}&mrd=0.6076594161036941'.format(video_id) headers = { #防盗链,确定来路 'Referer': 'https://www.pearvideo.com/video_{}'.format(video_id), #用户代理 确定用户信息 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36', } response = requests.get(url,headers=headers) # print(response.text) html_data = response.json() video_url = html_data['videoInfo']['videos']['srcUrl'] # print(video_url) #正则表达式用于id 替换真url地址 cont- 构造真的链接地址 new_url = re.sub(r'\/\d{13}-',f'/cont-{video_id}-',video_url) # print(new_url) #存放视频地址 path = r'G:\video\\' + video_id + '.mp4' #很重要文件夹路径后面是两个\\ 不然后面出现’下面警告波浪线 resp = requests.get(new_url) with open(path,mode='wb') as f: f.write(resp.content) #.content用于保存二进制数据
for page in range(0,10,10): url = 'https://www.pearvideo.com/popular_loading.jsp' params = { 'reqType': '1', 'categoryId':'', 'start':'{}'.format(page), 'sort' : '1', 'mrd' :'0.3765578053919627', } response = requests.get(url,params=params) # print(response.text) titles = re.findall('<h2 class="popularem-title">(.*?)</h2>',response.text) # print(titles) num_id = re.findall('<a href="video_(\d+)" class="popularembd actplay">',response.text) # print(num_id) # 这里代表第几(0)个视频数(留空则默认上面1-10的视频) get_url(num_id[0])
本文由 泓源视野 作者:admin 发表,其版权均为 泓源视野 所有,文章内容系作者个人观点,不代表 泓源视野 对观点赞同或支持。如需转载,请注明文章来源。
14
admin

发表评论

Protected with IP Blacklist CloudIP Blacklist Cloud
您是第8238408 位访客, 您的IP是:[44.192.71.254]