Python数据采集与处理论文（python如何快速采集美~女视频？无反爬）

人生苦短 我用python~

这次康康能给大家整点好看的不~

环境使用:

Python 3.8

Pycharm

mou歌浏览器

mou歌驱动 —> 驱动版本要和浏览器版本最相近 <大版本一样, 小版本最相近>

模块使用:

requests >>> pip install requests

selenium >>> pip install selenium==3.141.0 <需要浏览器和浏览器驱动>

默认安装 4.0版本 语法上面有点区别

re

json

卸载模块: pip uninstall selenium 卸载模块

安装python第三方模块:

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

在pycharm中点击Terminal(终端) 输入安装命令

基本思路流程: <通用>

一. 数据来源分析:

明确需求:

采集什么数据内容

I. 视频播放链接

II. 视频标题

通过浏览器自带工具: 开发者工具, 进行抓包分析

打开开发者工具: F12 / 鼠标右键点击检查选择network

刷新网页: 让本网页数据内容重新加载一遍

分析/找到 视频播放链接在哪里

选择 media <媒体文件> 可以直接看到 视频播放链接

通过搜索分析可以直接找到 视频播放链接/ 视频标题

二. 代码实现步骤:

发送请求, 模拟浏览器对于url地址发送请求

获取数据, 获取服务器返回响应数据

开发者工具: response <网页源代码>

解析数据, 提取我们想要的数据内容

视频标题

视频播放链接

保存数据, 把视频内容保存本地文件夹

代码展示

导入模块

导入数据请求模块 import requests import re import json from pprint import pprint from selenium import webdriver import time

创建浏览器对象,

实例化对象

自动打开浏览器 driver = webdriver.Chrome() 访问网址【需要网址的私我吧这不给放】

执行页面滚动的操作

def drop_down(): for x in range(1, 40, 4): time.sleep(1) j = x / 9 js = document.documentElement.scrollTop = document.documentElement.scrollHeight * %f % j driver.execute_script(js)

可以直接定位元素提取内容

lis = driver.find_elements_by_css_selector(.Eie04v01) for li in lis: url = li.find_element_by_css_selector(a).get_attribute(href)

1. 发送请求, 模拟浏览器对于url地址发送请求

<Response [200]> 响应对象, 表示请求成功 仅表示请求成功, 但是不代表一定得到数据<你想要的数据> 没有得到我们想要的数据内容: 原因: 是因为代码被服务器识别出来了, 是pachong程序 解决:把代码伪装成浏览器去发送请求 —> headers 请求头 print(url) time.sleep(1)

确定请求链接 <视频播放页面>

模拟伪装 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 } 发送请求 response = requests.get(url=url, headers=headers)

获取数据, 获取服务器返回响应数据

开发者工具: response <网页源代码>

解析数据, 提取我们想要的数据内容

视频标题

视频播放链接

正则表达式, 你要获取什么数据, 直接复制过来, 然后要的数据内容用 (.*?) 表示, 会直接给返回相应的内容

.*? 表示可以匹配任意字符串, 除了\n换行符以外

提取标题 title = re.findall(<title data-react-helmet="true">(.*?)</title>, response.text, re.S)[0]

替换一下特殊字符

title = re.sub(r[\/:*?"<>|\n], , title)

提取视频信息

video_info = re.findall(<script id="RENDER_DATA" type="application/json">(.*?)</script, response.text)[0]

数据进行解码

html_data = requests.utils.unquote(video_info)

转换数据类型

json_data = json.loads(html_data)

键值对取值, 根据冒号左边的内容[键], 提取冒号右边的内容[值]

video_url = https: + json_data[41][aweme][detail][video][bitRateList][0][playAddr][0][src] print(title) print(video_url)

4. 保存数据

video_content = requests.get(url=video_url, headers=headers).content with open(video\\ + title + .mp4, mode=wb) as f: f.write(video_content) 我是爱学python的蚂蚁
  
  
  
  
  
  
  ，咱下篇文章再见啦(✿◡‿◡)

有更多建议或问题可以评论区或私信我哦！一起加油努力叭(ง •_•)ง

喜欢就关注一下博主 
  
  
  
  
  
  
，或点赞收藏评论一下我的文章叭！！！