宜宾网站建设公司

python对虎牙进行小姐姐视频采集,舞蹈区内容真热闹~

前言

嗨喽，大家好！这里是魔王呐~

科尔沁右翼前网站制作公司哪家好，找成都创新互联公司！从网页设计、网站建设、微信开发、APP开发、响应式网站设计等网站项目制作，到程序开发，运营维护。成都创新互联公司2013年开创至今到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选成都创新互联公司。

环境使用:

  • Python 3.8 解释器<运行代码>

  • Pycharm 编辑器 <写代码>

模块使用]:

  • requests >>> 数据请求 第三方模块 pip install requests <工具>
  • re <正则表达式模块>

如果安装python第三方模块:

  1. 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
  2. 在pycharm中点击Terminal(终端) 输入安装命令

如何配置pycharm里面的python解释器?

  1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
  2. 点击齿轮, 选择add
  3. 添加python安装路径

pycharm如何安装插件?

  1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)
  2. 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
  3. 选择相应的插件点击 install(安装) 即可
  4. 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

基本思路流程:

一. 分析数据来源

找寻网址上面视频数据来自于哪里

开发者工具进行抓包..

  1. 鼠标右键点击检查 或者 F12打开开发者工具
  2. 刷新网页
  3. 找寻视频数据...<通过media里找寻视频url地址>
  4. 找视频url地址来于那个数据包 >>> 通过视频url地址中一段参数进行搜索, 建议是搜.mp4前面这段内容...

二, 代码实现过程: 对于某些网站 可能需要多次请求,

  1. 发送请求, 对于找到视频数据包发送请求
  2. 获取数据, 获取服务器返回响应数据
  3. 解析数据, 提取我们想要数据内容 视频url地址 视频标题
    ....
  4. 保存数据, 保存视频数据到本地文件夹

多个视频采集 <视频数据包url地址变化规律>

代码

# 导入模块
import requests
import requests  # 数据请求模块
import pprint  # 格式化输出模块
import re

for page in range(2, 6):
    print(f'正在采集第{page}页的数据内容')
    link= f'https://v.huya.com/g/all?set_id=51&order=hot&page={page}'
    headers= {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
    }
    html_data= requests.get(url=link, headers=headers).text
    # print(html_data)
    # 使用re正则表达式提取数据 从什么地方去获取什么数据
    #
  • "(\d+)">".*?"  加了括号是我们想要数据内容 \d+ 匹配多个数字 .*? 可以匹配任意字符(除了换行符\n)
    video_id_list= re.findall('
  • ', html_data)
    print(video_id_list)
for video_id in video_id_list:
        url= f'https://liveapi.huya.com/moment/getMomentContent?videoId={video_id}&uid=&_='
        # 伪装python代码  在开发者工具里复制 user-agent 用户代理 表示浏览器基本身份表示
        # headers请求头, 可以python代码伪装成浏览器对于url地址发送请求<作用防止被识别出来是爬虫程序>
        # cookie 用户信息, 常用于检测是否登陆账号<无论登陆与否 都有一个cookie>
        # headers= {
        #'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
        # }
        # 通过requests模块里面get请求方法对于url地址发送请求, 并且携带上headers请求头伪装, 最后用自定义变量response接受返回数据
        response= requests.get(url=url, headers=headers)
        # print(response.json())  #200]> 200表示请求成功 response.json() 返回数据一定是完整json数据格式
        # pprint.pprint(response.json())
        # 解析数据 字典取值  根据键值对取值 {'键': '值', '键1': '值1'} 根据冒号左边的内容<键>, 提取冒号右边的内容<值>
        title= response.json()['data']['moment']['title']
        title= re.sub(r'[\/:*?"<>|\n\r\t]', '', title)
        video_url= response.json()['data']['moment']['videoInfo']['definitions'][0]['url']
        print(title)
        print(video_url)
    
        # 保存数据 需要对于视频播放地址, 发送请求获取数据内容
        video_content    = requests.get(url=video_url, headers=headers).content
        with open('video\\' + title +video_id + '.mp4', mode='wb') as f:  # as 重命名为 f
            f.write(video_content)

        # f= open('video\\' + title + '.mp4', mode='wb')
        # f.write(video_content)
        # f.close()

    • 本文标题：python对虎牙进行小姐姐视频采集,舞蹈区内容真热闹~
    标题来源：    http://ybzwz.com/article/dsoggho.html

    其他资讯