Python 爬虫 爬取斗鱼视频

Posted 2022-08-16 lanxiaofang

 一、模块使用

  requests >>> pip install requests
  re

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)

二、模块安装问题:

    - 如果安装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
    - 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

三、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
 

四、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

五、爬虫基本流程

（1）. 数据来源分析 <重要...>
    1. 要分析自己想要数据内容, 可以请求那个url地址得到相应数据
        开发者 不会2  会用1
        1. F12打开开发者工具, 刷新网页
        2. 通过关键字搜索, 找寻数据包

（2）. 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get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
    4. 保存数据, 把数据保存为mp4

六、完整代码

import requests
import re
url = https://v.douyu.com/api/stream/getStreamUrl
data = 
    v: 220320220627,
    did: 10000000000000000000000000001501,
    tt: 1656318502,
    sign: f0194e25c25283cbd53ef52c0acf45f8,
    vid: kDe0W29DOwaMA4Bz,

headers = 
    user-agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/101.0.0.0 Safari/537.36


response = requests.post(url=url, data=data, headers=headers)
print(response.json())
m3u8_url = response.json()[data][thumb_video][high][url]
print(m3u8_url)
m3u8_data = requests.get(url=m3u8_url, headers=headers).text

m3u8_data = re.sub(#E.*, , m3u8_data).split()
for ts in m3u8_data:
    ts_url = https://play-tx-ugcpub.douyucdn2.cn/live/high_33282775320220508200007-upload-d9f8/ + ts
    ts_content = requests.get(url=ts_url, headers=headers).content
    with open(【奶优米呀】05-07 本场人气值TOP2舞蹈.mp4, mode=ab) as f:
        f.write(ts_content)
    print(ts_url)