本文教程操作环境:windows7系统、Python 3.9.1,DELL G3电脑。
爬取网站Url:http://www.imomoe.ai/
一、爬虫思路
1、拿到所有集数和对应的在线播放网址;
2、从在线播放的网页链接中找到视频在服务器上的缓存地址;
3、通过视频地址将视频下载到本地。
二、爬取过程
第一步:获取所有集数和对应的在线播放网址
1、用BeautifulSoup匹配id属性为play_0的div标签即可。代码如下:
season_1_url = 'http://www.imomoe.ai/view/4225.html' season_1_response = requests.get(season_1_url) season_1_response.encoding = 'gb2312' season_1_soup = BeautifulSoup(season_1_response.text, 'lxml') season_1_soup_info = season_1_soup.find('div', id="play_0")
2、找到其中的a标签
season_1_info = season_1_soup_info.find_all('a')
3、点击第一集,发现其在线播放网址是http://www.imomoe.ai/player/4225-0-0.html,其实就是http://www.imomoe.ai后面接上该标签下href属性里的东西。编写代码如下:
Season_1 = pd.DataFrame() for i in range(len(season_1_info)): Season_1.loc[i,'集数'] = season_1_info[i].text Season_1.loc[i,'网址'] = 'http://www.imomoe.ai' + season_1_info[i].get('href')
获取到了第一季每一集对应的在线播放网址
第二步:获取视频地址
1、把iframe标签src属性里的东西提取出来,再用正则表达式匹配视频地址
item = first_soup.find_all('iframe')[1].get('src') findLink = re.compile(r'vid=(.*?)&userlink=') re.findall(findLink,item)[0]
2、循环获取到第一季每一集的视频地址
findLink = re.compile(r'vid=(.*?)&userlink=') for i in range(len(Season_1)): url = Season_1.loc[i,'网址'] driver = webdriver.Chrome() driver.get(url) response = driver.page_source soup = BeautifulSoup(response) item = soup.find_all('iframe')[1].get('src') Season_1.loc[i,'视频地址'] = re.findall(findLink,item)[0] driver.quit()
第三步:下载视频
用urllib.request.urlretrieve函数就能轻松下载
path = r'C:\我的文件\迅雷下载\进击的巨人' # 函数说明:回调函数,打印下载进度 def Progress(blocknum,blocksize,totalsize): """ blocknum:当前的块编号 blocksize:每次传输的块大小 totalsize:网页文件总大小 """ percent = blocknum*blocksize/totalsize if percent > 1.0: percent = 1.0 percent = percent*100 print("\r%.2f%% 已下载:%.2f Mb 文件大小:%.2f Mb" %(percent,blocknum*blocksize/1e6,totalsize/1e6), end=' ') for i in range(len(Season_1)): download_url = Season_1.loc[i,'视频地址'] if os.path.exists(path + './第一季') != 1: os.mkdir(path + './第一季') filename = os.path.join(path, '第一季', Season_1.loc[i,'集数']+'.mp4') print('正在下载%s' %Season_1.loc[i,'集数']) urllib.request.urlretrieve(download_url, filename, Progress) print()
以上就是python爬虫中爬取下载进击的巨人全集视频的思路和具体下载过程,想要下载的小伙伴可以按照小编这个步骤一步步进行哦。
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试