最后轻松一夏,周末利用python爬取“陈翔六点半”搞笑视频!
Posted luzhuoy
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了最后轻松一夏,周末利用python爬取“陈翔六点半”搞笑视频!相关的知识,希望对你有一定的参考价值。
觉得程序员再忙也需要给自己安排一点娱乐时间,对自己好点,自己对自己不好,谁会?
自己娱乐一般会有:跑步、看电影、小视频,而小视频是最家常的娱乐方式,看得最多的小视频是「 陈翔六点半 」,咦!
拍得搞笑,演技也一流,也不乏有内涵!非常推荐大家看看。
时间太贵,我耗不起
正题
先上Python爬取小视频的效果图,duang、duang、duang、想下载什么就是什么,哈哈。
打开浏览器(电脑版,方便调试)输入微博 url 点击输入框,输入「陈翔六点半」,回车搜索
但是发现在这个页面就只用几个视频。滑下一点,一看,有个「更多热门微博」,点击!
跳转到新页面,一看,一滑,就像一个无底洞!一直滑都会有视频!
咦,这不就是我要的视频数据嘛
仔细看地址,不知大家有没仔细看地址栏,我滑动时,地址是一直不变的,也就证明这网页是用 Ajax 来异步请求加载数据的!
我就马上按 F12 调出调试工具,点击 Network 选项卡,选中 XHR ,一边滑动网页,一边查看 Ajax 网络请求,选中一条查看
展开 Json 数据查看,可以看到每条视频微博数据,总供有十条
我想下载视频,如何快速找到视频的下载地址而不是每一个数据点开来看呢?我想想能不能借助了谷歌浏览器的忙。
随便点开其中一个视频,右键,竟然可以查看并复制视频链接
复制到视频链接后,贴到地址栏,回车访问,也能播放,大喜呀!
马上回到调试工具,点击 preview 预览数据,按 Ctrl + F 进行搜索,把刚刚复制的地址贴到搜索框
咦,竟然匹配到了!
发现 media_info 中的 stream_url 就是该视频的播放地址,也就是下载地址。再往前看,media_info 前面的 content2 是视频的在微博中的标题。
查看其他的 Json 数据也同样有视频地址和标题,复制里面的 视频地址 url 贴到浏览器地址栏也能直接播放视频!八九不离十,这个 stream_url 就是视频下载地址了
马上构造请求,根据刚刚复制的视频地址获取资源,并下载视频,看看有没有什么端倪,此时心中忐忑不安
很快就下载好了
点击播放视频,竟然毫无毛病,流畅播放!这下好了!就 kuang、kuang、kuang 准备开始撸代码了,不要怂,就是干!
认真查看请求地址、请求头中的请求地址,请求方法和 User—Agent 等,开始构建请求方法模拟 Ajax 请求,获取 Json 数据。
查看多几次异步请求,就会发现,变化的参数只有 page,可以一步步把一个参数删掉后测试一下能不能正常获取数据,这样把一些非不要的参数剔除。里面有一些注释,是我踩过的坑
,有兴趣就多看几眼
,希望各位看客能分享一下(在下方留言)在 python 爬虫上入过的一些坑,让彼此少躺枪!
获取到了页面后,构建方法解析 Json 数据,分析 Json 数据中的层级结构,把里面的视频名和视频下载地址提取出来。
这里有个快捷查出 stream_url 层级结构路径,选中该属性或者说节点,右键,copy property path
再粘贴到浏览器地址栏查看即可清晰知道它们之间的层级结构
面对这种多层 json 格式数据,我知道有上面两种取值方式,代码中也说明了各的优势和缺点,按需选取。如果你还有更优雅的方式,希望你能在下方留言
提取到视频的标题和下载地址后,简单改一下前面的下载方法,来适应一下
之后在,主函数中循环、遍历调用前面的方法,就下载指定到多少页的视频了
嗨皮时刻,效果如下
上面的代码中还有许多需要优化之处,比如下载时重名怎么办、各种参数的有效性判断等等,后面我也会优化一下,把它优化成:只用要用户输入自己喜欢的小视频制作方,如「 陈翔六点半」,再指定想看多少个视频或者多少页,后就自动下载视频,下载好了,就可以嗨皮娱乐一波了。关键是自己省很多时间,不得不像那些优秀的算法和大数据屈服!
以上是关于最后轻松一夏,周末利用python爬取“陈翔六点半”搞笑视频!的主要内容,如果未能解决你的问题,请参考以下文章
Python 网络爬虫实战:爬取南方周末新闻文章(带关键词筛选)