爬虫案例2-爬取视频的三种方式之一：requests篇(1)

news/2024/12/21 20:23:29/文章来源:https://www.cnblogs.com/laity17/p/18405397

前言
爬虫步骤
- 确定网址，发送请求
- 获取响应数据
- 对响应数据进行解析
- 保存数据
完整源码
共勉
博客

前言

本文写了一个爬取视频的案例，使用requests库爬取了好看视频的视频，并进行保存到本地。后续也会更新selenium篇和DrissionPage篇。当然，爬取图片肯定不止这三种方法，还有基于python的scrapy框架，基于node.js的express框架以及基于Java的webmagic框架等等。

爬虫步骤

确定网址，发送请求

我们打开我们需要爬取的网站后，按f12进行检查，因为页面采用的懒加载，所以我们需要往下滑加载新的视频，这时候就会出现新的数据包，这个数据包大概率就是这些新视频加载出来的来源，我们也可以在下图中的①中搜索视频数据包中可能出现的内容，例如视频的后缀，如MP4，m4s，ts等，然后再从中筛选正确的数据包，这个可能就需要有一定的经验。
在这里插入图片描述
当我们往下滑刷新的时候，再②中就会加载出新的数据包，点击数据包后，就会出现右边的窗口，在③标头中会看到我们要请求的url地址，以及cookie和一些加密后参数。
代码如下

import requests # 数据请求模块
url='https://haokan.baidu.com/haokan/ui-web/video/feed?time=1723964149093&hk_nonce=915ae0476c308b550e98f6196331fd2a&hk_timestamp=1723964149&hk_sign=93837eec50add65f7ca64a95fb4eb8de&hk_token=aRYZdAVwdwNwCnwBcHNyAAkNAQA'  # 请求地址
headers={# UA伪装
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0'
}
html=requests.get(url,headers=headers)

获取响应数据

在响应里我们可以看到响应的json数据，里面有封面照片地址，标题，视频地址等等，我们只需要获取其中的图片名字（title）和图片地址（previewUrlHttp）即可。
在这里插入图片描述

respnose=html.json()

对响应数据进行解析

json数据是字典，所以我们只需要取其中的键就可以了。

data=html['data']['apiData']         # 取照片地址
for li in data:video_name=li['title']     # 照片名字video_url=li['previewUrlHttp']   # 照片地址

保存数据

获取到图片的url后只需要再对url进行请求，获取二进制数据，然后进行保存到本地。

video=requests.get(video_url,headers=headers).content   # 对照片地址进行发送请求，获取二进制数据with open('./videos/'+video_name+'.mp4','wb') as f:        # 保存视频f.write(video)

完整源码

import requests  # 数据解析模块
import os   # 文件管理模块if not os.path.exists("./videos"):  # 创建文件夹os.mkdir("./videos")
url='https://haokan.baidu.com/haokan/ui-web/video/feed?time=1723964149093&hk_nonce=915ae0476c308b550e98f6196331fd2a&hk_timestamp=1723964149&hk_sign=93837eec50add65f7ca64a95fb4eb8de&hk_token=aRYZdAVwdwNwCnwBcHNyAAkNAQA'  # 请求地址
headers={# UA伪装
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0'
}
html=requests.get(url,headers=headers).json()
data=html['data']['apiData']         # 取照片地址
for li in data:video_name=li['title']     # 照片名字video_url=li['previewUrlHttp']   # 照片地址video=requests.get(video_url,headers=headers).content   # 对照片地址进行发送请求，获取二进制数据with open('./videos/'+video_name+'.mp4','wb') as f:        # 保存视频f.write(video)print(video_name+'.mp4')

多页爬取的就要多去观察数据包，有什么规律，再这个案例中，就涉及到了时间戳js加密。