分分钟几万上下!用Python爬取包图网视频(附代码)切勿商用!

抓取包图网视频

目标抓取全站视频数据保存在本地,并以网站视频名命名视频文件。
  1. 分析网页数据结构
    分分钟几万上下!用Python爬取包图网视频(附代码)切勿商用!_第1张图片

分分钟几万上下!用Python爬取包图网视频(附代码)切勿商用!_第2张图片

经分析我们可以发现总站数据我们可以从这四这选项下手

  1. 分析网页数据格式
    分分钟几万上下!用Python爬取包图网视频(附代码)切勿商用!_第3张图片

网页数据为静态

  1. 抓取下一页链接

分分钟几万上下!用Python爬取包图网视频(附代码)切勿商用!_第4张图片

  1. OK, 上代码!
import requests
from lxml import etree
import threading


class Spider(object):
    def __init__(self):
        self.headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"}
        self.offset = 1

    def start_work(self, url):
        print("正在爬取第 %d 页......" % self.offset)
        self.offset += 1
        response = requests.get(url=url,headers=self.headers)
        html = response.content.decode()
        html = etree.HTML(html)

        video_src = html.xpath('//div[@class="video-play"]/video/@src')
        video_title = html.xpath('//span[@class="video-title"]/text()')
        next_page = "http:" + html.xpath('//a[@class="next"]/@href')[0]
        # 爬取完毕...
        if next_page == "http:":
            return

        self.write_file(video_src, video_title)
        self.start_work(next_page)

    def write_file(self, video_src, video_title):
        for src, title in zip(video_src, video_title):
            response = requests.get("http:"+ src, headers=self.headers)
            file_name = title + ".mp4"
            file_name = "".join(file_name.split("/"))
            print("正在抓取%s" % file_name)
            with open(file_name, "wb") as f:
                f.write(response.content)

if __name__ == "__main__":
    spider = Spider()
    for i in range(0,3):
        # spider.start_work(url="https://ibaotu.com/shipin/7-0-0-0-"+ str(i) +"-1.html")
        t = threading.Thread(target=spider.start_work, args=("https://ibaotu.com/shipin/7-0-0-0-"+ str(i) +"-1.html",))
        t.start()
  1. 运行结果
    分分钟几万上下!用Python爬取包图网视频(附代码)切勿商用!_第5张图片
    分分钟几万上下!用Python爬取包图网视频(附代码)切勿商用!_第6张图片
同学们 是不是so easy…!

(老师声明下, 仅限爬取绿色网站,其它颜色的不准的噢…)!
(原创文章,转载请注明出处)

你可能感兴趣的:(python,爬虫,互联网)