简单爬虫一部美剧(二:下载进度条)

Posted hanmk

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了简单爬虫一部美剧(二:下载进度条)相关的知识,希望对你有一定的参考价值。

上篇获取到了每一集的下载url,这篇就用获取到的url下载视频

在下载文件时希望可以给出进度条之类的提示,在网上搜索了一波,发现有一个库可以实现:tqdm库,具体用法参考这篇博客:https://www.jianshu.com/p/1ed2a8b2c77b

在原来的类下面,再加一个方法,用来下载文件,如下

    def download_file(url, name):
        """下载文件"""
        try:
            response = requests.get(url=url, stream=True)
            content_size = int(response.headers[Content-Length]) / 1024  # 文件大小,从响应头中获取

            if content_size:
                with open(name, "wb") as f:
                    print("total: ", content_size, k)
                    for data in tqdm(iterable=response.iter_content(1024), total=content_size, unit=k):  # 实现下载进度条
                        f.write(data)
                        # f.close()
                    print("
 done " + name)

        except RequestException as e:
            print("接口错误信息为  %r", e)

原有基础上加了一个主函数

    def main(self):
        """主函数"""
        root_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), os.pardir))
        print(root_dir)
        download_url = self.get_tv_url("血疫第一季")  # 调用get_tv_url(),获取剧集url
        for t in download_url:
            name = t.split(/)[-1] # 获取下载链接url中/后的一段文本,用作文件名
            file_path = root_dir + "/movies/"  # 设置文件保存路径
            if not os.path.exists(file_path):
                os.makedirs(file_path)
            print("正在下载【{}】".format(name))
            self.download_file(t, file_path+name)  # 调用download_file(),根据下载链接开始下载文件

最后完整的代码如下

  1 # coding: utf-8
  2 """
  3 author: hmk
  4 describe: 爬虫80s电影网
  5 create_time: 2019/01/18
  6 """
  7 
  8 import re
  9 
 10 import os
 11 from bs4 import BeautifulSoup
 12 from requests.exceptions import RequestException
 13 import requests
 14 from tqdm import tqdm
 15 
 16 class DownloadTV:
 17     @staticmethod
 18     def get_html(url, data=None, header=None, method=None):
 19         """获取一个url的html格式文本内容"""
 20 
 21         if method == "get":
 22             response = requests.get(url, params=data, headers=header)
 23         else:
 24             response = requests.post(url, data=data, headers=header)
 25         try:
 26             if response.status_code == 200:
 27                 response.encoding = response.apparent_encoding
 28                 # print(response.status_code)
 29                 # print(response.text)
 30                 return response.text
 31             return None
 32         except RequestException:
 33             print("请求失败")
 34             return None
 35 
 36     def get_tv_id(self, tv_name):
 37         """获取所查询电视剧对应的id"""
 38         headers = {
 39             "Content-Type": "application/x-www-form-urlencoded"
 40         }
 41 
 42         data = {
 43             "search_typeid": "1",
 44             "skey": tv_name,  # 用一个变量来表示要搜索的剧名
 45             "Input": "搜索"
 46         }
 47 
 48         url = "http://www.y80s.com/movie/search/"  # 请求url
 49 
 50         response = self.get_html(url, data, headers, "post")
 51 
 52         html = response
 53         # print(html)
 54 
 55         soup = BeautifulSoup(html, "html.parser")
 56         name_label = soup.find_all("a", title=tv_name)  # 获取所有title属性为影视剧名称的<a>标签,用一个变量来动态表示剧名
 57         # print(soup.prettify())
 58         # print(name_label)
 59         # print(name_label[0].get(‘href‘))
 60 
 61         ju_id = re.compile(r(d+), re.S)  #  定义一个正则表达式,提取标签内容中的数字
 62         if name_label:
 63             href_value = ju_id.search(name_label[0].get(href))
 64             if href_value:
 65                 tv_id = href_value.group()
 66                 print("查询影视剧对应的id为:{}".format(tv_id))
 67                 # print(type(tv_id))  # 查看获取到的tv_id的数据类型,如果是int的话,在后续拼接时需要使用str()转成字符串
 68                 return tv_id
 69 
 70     def get_tv_url(self, tv_name):
 71         """获取电视剧的下载url"""
 72         tv_id = self.get_tv_id(tv_name) # 调用get_tv_id()方法,获取tv_id
 73         url = "http://www.y80s.com/ju/" + tv_id  # 利用tv_id拼接url
 74 
 75         r = self.get_html(url,method="get")
 76         html = r
 77         soup = BeautifulSoup(html, "html.parser")
 78         a_tv_url = soup.find_all("a", title="本地下载")  # 提取title属性为"本地下载"的a标签,返回一个包含所有a标签的列表
 79         # print(a_tv_url)
 80         tv_url = []
 81         for t in a_tv_url:
 82             tv_url.append(t.get(href))  # 用get方法获取每个a标签中的href属性值
 83         print(tv_url)
 84         return tv_url
 85 
 86     @staticmethod
 87     def download_file(url, name):
 88         """下载文件"""
 89         try:
 90             response = requests.get(url=url, stream=True)
 91             content_size = int(response.headers[Content-Length]) / 1024  # 文件大小,从响应头中获取
 92 
 93             if content_size:
 94                 with open(name, "wb") as f:
 95                     print("total: ", content_size, k)
 96                     for data in tqdm(iterable=response.iter_content(1024), total=content_size, unit=k):
 97                         f.write(data)
 98                         # f.close()
 99                     print("
 done " + name)
100 
101         except RequestException as e:
102             print("接口错误信息为  %r", e)
103 
104     def main(self):
105         """主函数"""
106         root_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), os.pardir))
107         print(root_dir)
108         download_url = self.get_tv_url("血疫第一季")  # 调用get_tv_url(),获取剧集url
109         for t in download_url:
110             name = t.split(/)[-1] # 获取下载链接url中/后的一段文本,用作文件名
111             file_path = root_dir + "/movies/"  # 设置文件保存路径
112             if not os.path.exists(file_path):
113                 os.makedirs(file_path)
114             print("正在下载【{}】".format(name))
115             self.download_file(t, file_path+name)  # 调用download_file(),根据下载链接开始下载文件
116 
117 if __name__ == __main__:
118     test = DownloadTV()
119     test.main()

运行一下

技术图片

 

以上是关于简单爬虫一部美剧(二:下载进度条)的主要内容,如果未能解决你的问题,请参考以下文章

最喜欢的几部美剧

当片段视图加载是异步任务的一部分时,如何在片段加载之前显示进度条?

简单的圆形下载进度条

壁纸 | Eclipse

《this is us》(我们这一天)第二季好看吗?

Python爬虫爬取美剧网站