Python爬取颜值/舞蹈区小姐姐视频（懂得都懂~完整代码）

淡淡的烟草味﹌ 2022-09-12 06:50 199阅读 0赞

# 本文主要知识点： #

1.  爬虫基本流程
2.  re正则表达式 (内置模块)
3.  requests >>> pip install requests 在CMD 命令符 win + R
4.  json数据解析方法
5.  视频数据保存

# 开发环境： #

*  Python 3.6 / 3.8
 *  Pycharm (专业需要激活码 社区免费) 安装包 安装教程 使用教程 激活码 翻译插件
 *  谷歌/火狐浏览器驱动

# 爬虫主要步骤: #

1.  找数据对应的地址
2.  使用python代码发送请求
3.  数据筛选
4.  数据保存

# 用selenium自动化框架爬取数据 #

import requests  # 数据请求 第三方模块 pip install requests
    import re  # 正则表达式模块 内置模块
    from selenium import webdriver  # 测试模拟 模拟人去操作浏览器 pip install selenium
    import pprint  # 格式化输出模块
    import time  # 时间模块
    
    # 需要谷歌/火狐驱动 python的环境安装在哪 就放那
    driver = webdriver.Chrome()  # 把驱动直接放在python安装的路径里面 实例化一个浏览器对象
    driver.get('https://v.huya.com/g/all?set_id=31&order=hot&page=1')
    
    def get_video_content():
        # time.sleep(2)
        driver.refresh()
        driver.implicitly_wait(10)  # 隐式等待 等待数据加载 加载完成之后才继续运行后面的内容
        # time 延时有点区别 死等
        lis = driver.find_elements_by_css_selector('.vhy-video-list li')
        for li in lis:
            video_url = li.find_element_by_css_selector('.video-wrap').get_attribute('href')
            print(video_url)
            video_id = re.findall('https://v\.huya\.com/play/(.*?)\.html', video_url)[0]
            headers = { 
                # 'Cookie': 'SoundValue=0.50; isInLiveRoom=; udb_guiddata=f88bdbcfecb444cbaebfd3430e0c220c; udb_deviceid=w_491619378696527872; udb_anouid=1462126356760; Hm_lvt_51700b6c722f5bb4cf39906a596ea41f=1631947193; __yasmid=0.5061768216828664; __yamid_tt1=0.5061768216828664; __yamid_new=C986054DD8700001912A6690BBA03A50; _yasids=__rootsid%3DC986054DD8900001E8251C028DB01560; Hm_lvt_9fb71726843792b1cba806176cecfe38=1631947194; udb_passdata=3; hiido_ui=0.8655862701494763; Hm_lpvt_51700b6c722f5bb4cf39906a596ea41f=1631948597; Hm_lpvt_9fb71726843792b1cba806176cecfe38=1631948597; rep_cnt=96',
                # 'Host': 'v.huya.com',
                # 'Pragma': 'no-cache',
                # 'Upgrade-Insecure-Requests': '1',
                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.82 Safari/537.36',
            }
            index_url = f'https://liveapi.huya.com/moment/getMomentContent?videoId={ video_id}&uid=&_=1631947292202'
            json_data = requests.get(url=index_url, headers=headers).json()
            # json字典数据 可以直接根据键值对 提取数据内容 冒号左边 提取冒号右边的
            play_url = json_data['data']['moment']['videoInfo']['definitions'][0]['url']
            title = json_data['data']['moment']['videoInfo']['videoTitle']
            # video_content = requests.get(url=play_url, headers=headers).content # 获取二进制数据内容
            # with open('video\\' + title + '.mp4', mode='wb') as f:
            # f.write(video_content)
            print(title, play_url)
    
    for page in range(1, 3):
        print(f'正在爬取第{ page}页数据内容')
        get_video_content()
        driver.find_element_by_css_selector('.next').click()
        time.sleep(1)

# 运行代码，得到结果 #

![d1f5d74a12e7d2816da64cd7991a3e22.png][]

[d1f5d74a12e7d2816da64cd7991a3e22.png]: /images/20220828/153b35c02d0d45058b74cbd95d480242.png