前言

嗨喽，大家好！这里是魔王呐~

在这里插入图片描述

环境使用:

Python 3.8 解释器<运行代码>
Pycharm 编辑器 <写代码>

模块使用]:

requests >>> 数据请求第三方模块 pip install requests <工具>
re <正则表达式模块>

如果安装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

如何配置pycharm里面的python解释器?

选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
点击齿轮, 选择add
添加python安装路径

pycharm如何安装插件?

选择file(文件) >>> setting(设置) >>> Plugins(插件)
点击 Marketplace 输入想要安装的插件名字比如:翻译插件输入 translation / 汉化插件输入 Chinese
选择相应的插件点击 install(安装) 即可
安装成功之后是会弹出重启pycharm的选项点击确定, 重启即可生效

在这里插入图片描述

基本思路流程:

一. 分析数据来源

找寻网址上面数据来自于哪里

开发者工具进行抓包…

鼠标右键点击检查或者 F12打开开发者工具
刷新网页
找寻数据…<通过media里找寻url地址>
找url地址来于那个数据包 >>> 通过url地址中一段参数进行搜索, 建议是搜.mp4前面这段内容…

二, 代码实现过程: 对于某些网站可能需要多次请求,

发送请求, 对于找到数据包发送请求
获取数据, 获取服务器返回响应数据
解析数据, 提取我们想要数据内容 url地址标题
…
保存数据, 保存数据到本地文件夹

多个采集 <数据包url地址变化规律>

在这里插入图片描述

代码

导入模块

# import requests
import requests  # 数据请求模块
import pprint  # 格式化输出模块
import re

因审核机制，我把一些东西删啦，有需要的小可耐可以找我领取（或自己加一下）呐~

for page in range(2, 6):
    print(f'正在采集第{page}页的数据内容')
    link = f''
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
    }
    源码\解答\教程可加Q群:261823976免费领取哦~
    html_data = requests.get(url=link, headers=headers).text
    # print(html_data)
    # 使用re正则表达式提取数据 从什么地方去获取什么数据
    # <li data-vid="(\d+)"><a href=".*?"  加了括号是我们想要数据内容 \d+ 匹配多个数字 .*? 可以匹配任意字符(除了换行符\n)
    video_id_list = re.findall('<li data-vid="(\d+)"><a href=".*?"', html_data)
    print(video_id_list)
    for video_id in video_id_list:
        url = f''
        # 伪装python代码  在开发者工具里复制 user-agent 用户代理 表示浏览器基本身份表示
        # headers请求头, 可以python代码伪装成浏览器对于url地址发送请求 <作用防止被识别出来是爬虫程序>
        # cookie 用户信息, 常用于检测是否登陆账号 <无论登陆与否 都有一个cookie>
        # headers = {
        #     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
        # }
        # 通过requests模块里面get请求方法对于url地址发送请求, 并且携带上headers请求头伪装, 最后用自定义变量response接受返回数据
        response = requests.get(url=url, headers=headers)
        # print(response.json())  # <Response [200]> 200表示请求成功 response.json() 返回数据一定是完整json数据格式
        # pprint.pprint(response.json())
        # 解析数据 字典取值  根据键值对取值 {'键': '值', '键1': '值1'} 根据冒号左边的内容<键>, 提取冒号右边的内容<值>
        title = response.json()['data']['moment']['title']
        title = re.sub(r'[\/:*?"<>|\n\r\t]', '', title)
        video_url = response.json()['data']['moment']['videoInfo']['definitions'][0]['url']
        print(title)
        print(video_url)
        # 保存数据 需要对于视频播放地址, 发送请求获取数据内容
        # 源码\解答\教程可加Q群:261823976免费领取哦~
        video_content = requests.get(url=video_url, headers=headers).content
        with open('video\\' + title +video_id + '.mp4', mode='wb') as f:  # as 重命名为 f
            f.write(video_content)

        # f = open('video\\' + title + '.mp4', mode='wb')
        # f.write(video_content)
        # f.close()