某音上线网页版，午休时间撸了个爬虫(抖音网页版爬虫) Python3+selenium |
您所在的位置：网站首页 › 抖音可以自动翻页观看吗电脑软件 › 某音上线网页版，午休时间撸了个爬虫(抖音网页版爬虫) Python3+selenium |
|
这是我参与8月更文挑战的第2天，活动详情查看：8月更文挑战 起因中午边吃饭边刷手机，突然刷到某音刚上线了网页版 某音网页版,打开一看，好家伙，这不是抄.... 额，不，借鉴的油管么，就想着网站刚上线，肯定有没有那么强的反扒机制，撸个爬虫玩玩吧 目标网站某音PC网页版 代码仓库开源地址:某音爬虫 实现方案主要使用Python3实现 requests 用来获取网页html代码，下载视频等 re 使用正则表达式从html中匹配链接等 selenium 由于视频页有动态数据，采用selenium方案获取加载后的数据 需要配合浏览器驱动使用 实现过程一、请求一个列表页，获取到html，匹配出页面中全部详情页链接，生成链接池 二、原本想从链接池中取出详情页地址，请求详情页html，从中匹配出视频资源地址，进入视频池，但是测试后发现由于视频资源链接为动态获取，直接requests.get拿不到视频地址，于是采取了第二种方案，使用selenium调起浏览器来加载页面，加载完成后使用xpath定位到视频资源位置，提取资源链接进入视频池 三、从视频池中取出资源地址，下载保存到本地 四、到这里基本功能已经实现，代码执行中发现，链接池只能获取到10个链接，只能下载10个视频，检查后发现是列表页有懒加载功能，每次翻页到底部才能加载出下一页列表 五、到这里已经有了解决思路，只要我们自动翻页，一直翻到最后，加载完全部列表在去抓取链接池就可以了，此处使用selenium插入JS，操作翻页，然后运行代码，发现还是获取不到完整的链接池，只能获取到最后两页的，猜测可以是做了优化，翻过去的列表被移除了 六、这也好解决，我们只要在每次翻页的时候去获取一次链接池就，当翻页完成就可以获取到完整链接了，这样又诞生了一个新的问题，就是会获取到重复的链接，只要在翻页完成时，转换下数据类型，去重就可以了 七、然后就可以快乐的爬视频了 看起来上面说的不少，实际上只需要五十行左右代码就可以实现 具体代码如下 import requests import re from selenium import webdriver import time from contextlib import closing def get_home_ulrs(url): browser = webdriver.Chrome(); browser.get(url) num = browser.find_element_by_xpath( '//*[@id="root"]/div/div[2]/div/div[4]/div[1]/div[1]/div[1]/span').text num = int(int(num)/15)+1 urls = [] for i in range(num): newList = re.findall('https\:\/\/www\.douyin\.com\/video\/[\d]*\?previous_page\=', browser.page_source) urls = [*urls,*newList] browser.execute_script('window.scrollTo(0, document.body.scrollHeight)') time.sleep(2) print(urls) print(set(urls)) mainList =set(urls) browser.close() return mainList def get_video(url): browser = webdriver.Chrome(); browser.get(url) html = browser.find_element_by_xpath( '//*[@id="root"]/div/div[2]/div[1]/div[1]/div[1]/div[1]/div/div[1]/div[2]/video/source[1]') video_url = html.get_attribute('src') browser.close() return video_url def download(url, name): with closing(requests.get(url=url, verify=False, stream=True)) as res: with open('video/{}.mp4'.format(name), 'wb') as fd: for chunk in res.iter_content(chunk_size=1024): if chunk: fd.write(chunk) if __name__ == '__main__': url = input('请输入个人主页地址') print('正在获取视频地址') urls = get_home_ulrs(url) print(urls) print('成功获取{}个,开始下载'.format(len(urls))) index = 1 for url in urls: video_url = get_video(url) print('正在下载{}/{}'.format(len(urls),index)) download(video_url, index) print('下载完成') index += 1 视频演示www.bilibili.com/video/BV1Af… 总结本次爬站没有什么太大的障碍，没有什么复杂的反扒机制，没啥可说的.... 另外问下，这够判几年... 补充目前本程序已经不适用于当前版本某音，原因是某音增加了新的反扒机制，会弹出滑动验证码，本文仅作学习参考使用 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |