爬取流程（美食區(qū)最熱標(biāo)簽下的三個(gè)視頻）
- 在首頁(yè)獲取視頻的編號(hào)和名字
- 拼接成正確的url
- 保存視頻
思路
1.從網(wǎng)頁(yè)中獲取視頻的url
發(fā)現(xiàn)視頻的url在id為“JprismPlayer”的div標(biāo)簽下的video標(biāo)簽src屬性中，xpath解析網(wǎng)頁(yè)
video_url = tree.xpath("http://div[@id='JprismPlayer']/video/@src")
但得到的返回值為空，也就是說(shuō)這個(gè)video標(biāo)簽在原網(wǎng)頁(yè)中并不存在，很可能是動(dòng)態(tài)加載出來(lái)的
2. 從動(dòng)態(tài)請(qǐng)求獲取視頻的url
果然在動(dòng)態(tài)請(qǐng)求中發(fā)現(xiàn)了包含視頻url的json數(shù)據(jù)
可是發(fā)起請(qǐng)求后拿到的json數(shù)據(jù)卻和抓包工具中看到的不一樣，試著在請(qǐng)求頭中加入Referer參數(shù)，查看referer可以發(fā)現(xiàn)，它最后video_后面跟的是首頁(yè)中視頻的編號(hào)
{
"resultCode":"1",
"resultMsg":"success", "reqId":"fd1c910d-f49a-431a-b9a4-9c193c3c1983",
"systemTime": "1611666178518",
"videoInfo":{"playSta":"1","video_image":"https://image1.pearvideo.com/cont/20210125/11107897-184717-1.png","videos":{"hdUrl":"","hdflvUrl":"","sdUrl":"","sdflvUrl":"","srcUrl":"https://video.pearvideo.com/mp4/third/20210125/1611666178518-11107897-181816-hd.mp4"}}
}
在headers中加入Referer后順利拿到j(luò)son數(shù)據(jù)
可向json數(shù)據(jù)中的視頻url發(fā)起請(qǐng)求拿到的卻是404頁(yè)面
3. 拼接正確的url
這里花了很長(zhǎng)時(shí)間去想哪里有問(wèn)題，把前面的步驟理了很多遍才發(fā)現(xiàn)，其實(shí)動(dòng)態(tài)請(qǐng)求返回的json數(shù)據(jù)中的視頻url和主頁(yè)video標(biāo)簽中的視頻url根本不一致
首頁(yè)中加載出來(lái)的視頻鏈接是正確的，可以順利的拿到視頻，而json數(shù)據(jù)中的鏈接則會(huì)返回404。把他們進(jìn)行對(duì)比，可以看到他們前半部分是一樣的，但到了紅線框住的地方就不一樣了。
正確的url是 cont-視頻id-
而json數(shù)據(jù)中的url這個(gè)部分是 一串?dāng)?shù)字
那只要把這一串?dāng)?shù)字改成 cont-視頻id- 的形式就能獲得正確的視頻url了
代碼
# 爬取梨視頻
import requests
from lxml import etree
import os
from multiprocessing import Pool
# 梨視頻首頁(yè)url
url = "https://www.pearvideo.com/category_6"
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36'
}
# 獲取響應(yīng)，并用etree解析
response = requests.get(url=url, headers=headers).text
tree = etree.HTML(response)
# 拿到視頻的名字和視頻號(hào)
video_id_list = tree.xpath("http://ul[@class='listvideo-list clearfix']/li[@class='categoryem ']//a[@class='vervideo-lilink actplay']/@href")
video_name_list = tree.xpath("http://ul[@class='listvideo-list clearfix']/li[@class='categoryem ']//a/div[@class='vervideo-title']/text()")
data_list = [{"name": video_name_list[i], "idNum": video_id_list[i][6:]} for i in range(len(video_name_list))]
# 創(chuàng)建一個(gè)存放視頻的文件夾
if not os.path.exists("./videos"):
os.mkdir("./videos")
# 獲取視頻的函數(shù)
def down_video(data):
name = data['name']
idNum = data['idNum']
# 獲取視頻需要的headers，注意這里的Referer要和視頻的id匹配
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36',
'Referer': f'https://www.pearvideo.com/video_{idNum}'
}
# 獲取接近真正視頻url的url，這里的id也需要和視頻id匹配才行
url = f'https://www.pearvideo.com/videoStatus.jsp?contId={idNum}'
# 得到包含視頻地址json響應(yīng)數(shù)據(jù)
response = requests.get(url=url, headers=headers).json()
video_url = response["videoInfo"]["videos"]["srcUrl"]
# 將視頻地址中的數(shù)字替換成 cont-視頻編號(hào) 拿到真正的視頻地址
video_url = video_url.replace(video_url.split("/")[-1].split("-")[0], "cont-" + idNum)
# 拿到視頻并保存
video = requests.get(url=video_url, headers=headers).content
with open(f"./videos/{name}.mp4", "wb") as f:
print(f"正在下載視頻 {name} ...")
f.write(video)
print(f"視頻 {name} 下載完成！")
if __name__ == '__main__':
# 創(chuàng)建進(jìn)程池并使用
pool = Pool(3)
pool.map(down_video, data_list)
pool.close()
pool.join()
總結(jié)
其實(shí)最難的地方是獲取正確的視頻url，中間過(guò)程比較繞。只要找到這個(gè)地址，再加上從首頁(yè)拿到的視頻id就可以順利拿到視頻了。
如果要爬取整個(gè)首頁(yè)視頻只需要重新設(shè)置xpath路徑就可以了。
以上就是Python爬取梨視頻的示例的詳細(xì)內(nèi)容，更多關(guān)于Python爬取梨視頻的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:- python爬取youtube視頻的示例代碼
- Python爬取某平臺(tái)短視頻的方法
- python爬取抖音視頻的實(shí)例分析
- 使用python爬取抖音app視頻的實(shí)例代碼
- 基于python爬取梨視頻實(shí)現(xiàn)過(guò)程解析
- Python爬取騰訊視頻評(píng)論的思路詳解
- Python爬取視頻(其實(shí)是一篇福利)過(guò)程解析
- python爬取m3u8連接的視頻
- Python爬取某拍短視頻
