首页 >> 第叁思维 >>编程 >> Python采集某网站小视频内容, m3u8内容下载
详细内容

Python采集某网站小视频内容, m3u8内容下载

前言

大家早好、午好、晚好吖~

目录标题

        前言
        环境使用:
        模块使用:
        模块安装问题:
                如果安装python第三方模块:
                安装失败原因:
            如何配置pycharm里面的python解释器?
            pycharm如何安装插件?
            👇 👇 👇 源码、教程
        如何实现虫案例: <思路流程 --> 通用>
            一. 数据来源分析
            二. 代码实现步骤:
        代码展示
            👇 👇 👇 源码、教程 领取
        效果展示
        尾语 💝

环境使用:

    Python 3.8

    Pycharm

模块使用:

    import requests >>> pip install requests

内置模块 你安装好python环境就可以了

    import re

    import json

模块安装问题:
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

安装失败原因:

    失败一: pip 不是内部命令

    解决方法: 设置环境变量

    失败二: 出现大量报红 (read time out)

    解决方法: 因为是网络链接超时, 需要切换镜像源

    清华:https://pypi.tuna.tsinghua.edu.cn/simple
    阿里云:https://mirrors.aliyun.com/pypi/simple/
    中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
    华中理工大学:https://pypi.hustunique.com/
    山东理工大学:https://pypi.sdutlinux.org/
    豆瓣:https://pypi.douban.com/simple/

    例如:pip3 install -i https://pypi.doubanio.com/simple/ 模块名

    失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入

    解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好
    或者你pycharm里面python解释器没有设置好

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

👇 👇 👇 源码、教程

资料点击 蓝色字体 自取 ,我都放在这里了。
如何实现虫案例: <思路流程 --> 通用>
一. 数据来源分析

    分析清楚我们想要数据内容, 是在什么地方, 什么样子的

使用开发者工具进行抓包分析: 视频数据以及视频标题

I. F12 或者 右键点击检查选择network 刷新网页

这么多数据包, 我想要视频数据在什么地方?

    M3U8 视频格式: 把整个完整的视频内容, 分为N个视频片段, 每个片段都是几秒钟 <看多少就加载多少>

所有视频片段 <ts文件> 都包含在 m3u8 的文件链接里面

II. 在开发者工具里面 直接搜索m3u8 可以直接找相对应链接地址

继续分析 这个 m3u8 url地址是从哪里过来 在什么地方有

III. 我们想要视频数据 <m3u8链接> 在 网页源代码里面有

获取整个视频内容 —> 分为N个视频片段<ts文件> —> 在m3u8链接里面 —> 视频播放详情页网页源代码里面
二. 代码实现步骤:

    发送请求, 模拟浏览器对于视频播放详情页url发送请求

    获取数据, 获取服务器返回响应数据
    开发者工具里 response

    解析数据, 提取我们想要的数据内容
    - m3u8链接
    - 视频标题

    发送请求, 模拟浏览器对于 m3u8链接 发送请求
    由第三步提取出来链接发送请求

    获取数据, 获取服务器返回响应数据
    开发者工具里 response <对应所有ts文件链接>

    解析数据, 提取我们想要的数据内容
    所有ts文件链接

    保存数据, 把所有视频片段内容保存下来, 并且合成为一个完整视频内容

    多页数据采集

代码展示
👇 👇 👇 源码、教程 领取

资料点击 蓝色字体 自取 ,我都放在这里了。

导入模块

1. 发送请求, 模拟浏览器对于 视频播放详情页url 发送请求

    伪装代码 --> headers 请求头

        在开发者工具里面进行复制粘贴 <UA, cookie host referer>

        请求头 字典数据类型, 构建完整键值对

    <Response [200]> 响应对象

    200 状态码 表示请求成功

如果想要多个视频内容, 就要把视频ID获取下来 <动态数据加载>

分段写请求链接:

    问号左边的内容 属于链接

    问号右边的内容 属于请求参数/查询参数

批量替换内容:

    选中替换的内容, 按 ctrl + R 点选正则<.*>

    正则命令匹配数据 替换

请求链接

请求参数

模拟伪装

发送请求

解析数据

2. 获取数据, 获取服务器返回响应数据

    开发者工具里 response

response.text 获取响应文本数据 <网页源代码>

3. 解析数据, 提取我们想要的数据内容

    m3u8链接

    视频标题

调用re模块里面findall方法, 去找到所有我们想要的数据内容

re.findall(‘什么数据’, ‘什么地方’)

从什么地方去找你想要的什么数据

从 response.text 这里面 去找 "title":"(.*?)", 其中 (.*?) 是我们要的数据

[1] 列表索引位置取值

表示提取列表里面第二个元素

提取标题

提取视频信息

–> 字符串数据类型

转数据类型: 方便取值

—> 字典数据类型 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]

提取 m3u8链接

4. 发送请求, 模拟浏览器对于 m3u8链接 发送请求

由第三步提取出来链接发送请求

5. 获取数据, 获取服务器返回响应数据

开发者工具里 response <对应所有ts文件链接

xpath 标签节点提取数据内容

re 是可以直接对于字符串数据进行解析提取

css 根据标签属性提取数据内容

    requests parsel re csv selenium

字符串拼接 构建完整链接地址

7. 保存数据

–> 需要发送请求 + 获取数据
效果展示



————————————————
版权声明:本文为CSDN博主「搬砖python中~」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_62853513/article/details/127573202

最新评论
请先登录才能进行回复登录

Copyright 第叁选择 @ 2022 . All rights reserved.

京公网备案 000000000号

返回顶部 seo seo