当前位置:
首页 > temp > python入门教程 >
-
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
先来看看我们本次要爬的内容
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
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 requests import 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 selenium import 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
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀(爬取学校通知公告)
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求:requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量?
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析:SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL,这些神奇的特性你知道吗?
openGauss内核分析:执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
SQL Server -- 解决存储过程传入参数作为s
关于JS定时器的整理
JS中使用Promise.all控制所有的异步请求都完
js中字符串的方法
import-local执行流程与node模块路径解析流程
检测数据类型的四种方法
js中数组的方法,32种方法
前端操作方法
数据类型
window.localStorage.setItem 和 localStorage.setIte
如何完美解决前端数字计算精度丢失与数