利用Python采集短视频
目录
前言
分析（x0）
分析（x1）
分析（x2）
分析（x3）
分析（x4）
总结
我有话说
前言
大家好，我叫善念，这是我的第三篇技术博文。音乐、小说、这次是视频，估计下次就是图片吧。
文章都是当天现写得，自己也没有去做过。
我们将要采集的网站是网页版的DY数据：目标网址
咱们随便选择一个博主的视频进行采集，我饿了我就找了个美食博主。
分析（x0）
在网页的元素中咱们可以找到当前视频的跳转链接：
而经过我观察了一下我发现每个li标签都包含了一条短视频的信息：
那么这里总共是13个li标签，而咱们的这个博主肯定不止发了13个视频吧？又不是我善念这种货色只有几十个粉丝，所以问题出在哪？
我已经猜到这个是一种瀑布流的模式加载视频了，跟大家解释一下。就是比如说一个网页上面你只能看到十条数据，当你拉动网页下滑条后它会自动加载一些新的数据出来。像瀑布一样数据流出来，原理很简单，就是你拉动下滑条的时候会触发JavaScript脚本生成一些新数据
来做个测试：
当我拉动浏览器的下滑条后，数据明显增多，改变了网页上的元素。
这里我再次解释一下，网页元素与网页源代码的区别：
网页元素：浏览器执行一些JavaScript渲染之后的一个呈现（所以它会改变）
网页源代码：服务器传给咱们浏览器的原始数据（经过浏览器的渲染后才会变成网页元素）所以原始数据是不会变化的。
那么瀑布流的一个优势是什么呢？明显就是降低服务器的一个负荷把？用户想看多少数据就传输多少数据，而不是一股脑的全部加载完！
分析（x1）
也就是说明咱们根本无需去考虑网页源代码（因为不可变），已知网页的视频是由认为拉动浏览器下滑条执行JavaScript脚本然后通过接口传输数据给我们。
首先咱们可以观察的到，每个视频后面的那串数字就是视频对应的ID值，前面肯定是不变的。
咱们直接抓包：
根据瀑布流的规律很容易抓到这个包，因为每滑动一下下拉条它就会生成一个新的这样的包
确实这个值是对应的，但是别忘了看我上上图圈出来的那个_signature参数，传说中的DY签名加密。其它值均为固定值都是一些电脑信息，浏览器的版本。只有这个_signature是加密的，自己去手动拉动下滑条多抓几个包就可以对比知道了。
分析（x2）
好吧，很多人觉得我会去解密这个参数，但是新版DY加密是有混淆的，就算是我能教各位也未必能学，所以我决定退而求次的用另外一种方法。
我们当时分析出，只要我们拉动滑块，那么在网页元素element中就会加载出新的视频资料，出现更多的li标签。
那么我们可以利用selenium去模拟人拉动下滑条吧？然后采集到视频的跳转链接，进行requests访问，问题就解决了！
但是得到视频跳转链接有什么用呢？
分析（x3）
咱们先点到视频里面看看：
一下子就把视频的源地址抓到了，可是这个地址完全看不出任何的规律......不过经过我上次给你们讲的音乐的文章，你们应该知道如何分析了，首先这么长久尝试着删除一些参数，看是否还可以正常访问。最短并且可以访问的链接为我在红色框框的链接。
那么然后.......还是找不到规律，不知道如何生成的，抓包也发现此包之前就是一个图片的包而已。
分析（x4）
继续看网页元素中是否有咱们的视频源地址吧：
emmm果然有，我现在好希望源代码中也有，因为我前面采集跳转链接用了selenium已经降低了采集的速度，如果这里还是这样用selenium的话速度就太慢了。
啥也没搜到......按道理我前面抓包它也没有JavaScript文件，就一个图片的包，没理由不存在网页源代码中的，我搜短一点试试：
不忙你们说，我是自己第一次做，边写边研究的，纯粹的实战。就这个东西我刚才眼睛都看花了，它把url进行编码了，所以咱们看起来就很伤眼睛。
好吧，咱们只要采集到缩到最短的链接就可以了。
转码给大家看看：
咱们只要红框中的即可。
那么到现在的话所有的流程思路是不是走完了？
先用selenium采集到跳转的url，然后用requests模块请求跳转的url，获取到视频源地址，最后请求源地址下载就好啦。
总结
这个只是采集单个博主的视频，那么能否整站采集所有的视频呢？我分析了一下，发现原理是一模一样的.....是可以的！
我有话说
你是否在找源代码？可惜了，我也是第一次做这个东西，我文章写完的时候就是我最后分析完的时候，我自己也没源代码。
—— 纸上得来终觉浅，绝知此事要躬行。
如果这样分析后还让有些朋友觉得有难度，那么我再给大家看一个我之前讲过的完美采集某宝的案例，selenium部分完美契合（在我主页的联系我中），requests部分就不说了，完全没什么技术含量的，就两个请求。
无视某宝网站反爬，利用Python无限采集数据！
文章的话是现写的，每篇文章我都会说的很细致，所以花费的时间比较久，一般都是两个小时以上。
原创不易，再次谢谢大家的支持。
