环境介绍：

python 3.8 解释器pycharm 2021专业版 >>> 激活码编辑器谷歌浏览器谷歌驱动selenium >>> 驱动 >>> 浏览器

模块使用：

采集一个视频

requests >>> pip install requestsre

采集多个视频

selenium >>> pip install selenium==3.141.0 (3.141.0)指定模块版本去安装使用这个模块安装浏览器驱动time

如果安装python第三方模块:

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?

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

pycharm如何安装插件?

选择file(文件) >>> setting(设置) >>> Plugins(插件)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选择相应的插件点击 install(安装) 即可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

案例基本流程思路:

解答、源码、教程、资料点击「链接」免费领取

一. 分析数据来源

确定自己需求 , 我们采集的内容是什么? 采集那个网站… 先采集一个视频, 然后再去采集多个视频通过开发者工具进行抓包分析..

I. 开发者工具网页浏览器自带, F12 或者鼠标右键点击检查选择network

II. 刷新网页….让网页数据内容重新完整加载一遍 <找视频数据内容>

III. 通过network下面的media里面找到视频url地址

IV. 不够.. >>> 分析这个视频url地址从哪里来的… 通过抓包分析, 得到url地址通过一次编码

二. 代码实现的步骤爬虫基本四大步骤….

发送请求, 对于刚刚分析得到url地址发送请求 https://www.douyin.com/video/7086835442330504488获取数据, 获取服务器返回响应数据解析数据, 提取我们想要视频url地址以及视频标题保存数据, 把视频内容保存在本地文件夹

代码

导入模块

import requests # 导入数据请求模块第三方模块 pip install requestsimport re # 导入正则表达式模块内置模块from selenium import webdriverimport time # 时间模块

selenium用selenium模块用驱动<浏览器>操作浏览器
人怎么去操作浏览器, 怎么去写代码
打开浏览器webdriver.Chrome(executable_path="chromedriver") 括号里面是需要加驱动路径如果你驱动放在和代码一个文件夹里面, 可以不用写路径或者你的驱动放在python安装目录里面也可以不用写路径其他位置, 都需要在指定路径位置输入网址查看网页内容
requests请求数据,获取服务器返回数据内容 selenium你可以直接根据元素面板去定位数据内容

爬虫模拟浏览器对于url地址发送请求, 最后获取服务返回响应数据
发送请求:
确定url模拟伪装请求头headers 是可以直接在开发者工具里面复制粘贴 request headers 直接复制字典数据类型, 构建完整键值对形式user-agent 用户代理表示浏览器基本身份标识请求方式状态码 200 表示请求成功… 但是不一定得到你想要的数据…
没有得到你想要数据内容, 是什么原因导致的? <被反爬了> 为什么被反爬了因为你被识别出来你是爬虫程序比如说: 超市面试试吃老是你来吃东西<一直你是Ip请求快速>, 不给你吃了 <IP被封>

driver = webdriver.Chrome() # 实例化一个浏览器对象driver.get('https://www.douyin.com/user/MS4wLjABAAAAUXBNFnWLvl9T8ylgAbD1auR_o5FL3dF7ic0KMYN9_88')driver.implicitly_wait(10)def drop_down(): for x in range(1, 30, 4): time.sleep(1) j = x / 9 js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j driver.execute_script(js)解答、资料、教程可加Q裙：261823976免费领list_1 = [1, 2, 3, 4, 5, 6, 7]list_1[1:]drop_down()lis = driver.find_elements_by_css_selector( 'div.mwbaK9mv > div:nth-child(2) > ul .ECMy_Zdt') # 通过 css 选择器查找元素获取多个li标签返回列表# url_list = [li.find_element_by_css_selector('a').get_attribute('href') for li in lis]for li in lis: try: time.sleep(1) url = li.find_element_by_css_selector('a').get_attribute('href') # url = 'https://www.douyin.com/video/7087141617865346304' # 网址 headers = { 'cookie': 'douyin.com; ttcid=444dfe8e89ff4d99b0662076ad171c8775; ttwid=1%7CTnFKlrGi3lHjKf5bshFdP9Nwu_Vsiwo-TxvX9NISgj8%7C1642083887%7Cfbfa904ea2900763eb6ac090bdd09014d80840da1ca485bbfea193d5401b330e; MONITOR_WEB_ID=c27b9f4a-4917-4256-be93-e948308467e3; odin_tt=0510c3c4196f54b541a96ac64e8b585b3a755be85057da8a1f3fa068e3f7b75ca2de4345e2b856f1e7b3f9455d86079731fe7d07a9f10890f26855d3674858e1; passport_csrf_token=e0b90cb756903c370592bd558c2b0cf5; passport_csrf_token_default=e0b90cb756903c370592bd558c2b0cf5; s_v_web_id=verify_l268jj46_kc7yYkD6_YHWW_4x4v_9snI_EDE0zro77uRn; AVATAR_FULL_LOGIN_GUIDE_COUNT=1; AVATAR_FULL_LOGIN_GUIDE_TIMESTAMP=1650982839652; AVATAR_FULL_LOGIN_GUIDE_ITA_COUNT=1; AVATAR_FULL_LOGIN_GUIDE_ITA_TIMESTAMP=1650982839652; __ac_nonce=0627ba36600d465d72261; __ac_signature=_02B4Z6wo00f01zrB8EAAAIDCWcswKSh.eLM65fTAAKzW8srQpmSjmL6YX9IsdmMSL4a9EBuyJvIwNMROqFQktniG-Ur-UDPK6wHInC8QKqRYUmyGnflwUXLpKzPgVt2FtREyprGmCDAZLrIpcc; douyin.com; strategyABtestKey=1652269927.635; AB_LOGIN_GUIDE_TIMESTAMP=1652269927510; AVATAR_LOGIN_GUIDE_COUNT=1; _tea_utm_cache_2285=undefined; _tea_utm_cache_6383=undefined; _tea_utm_cache_1300=undefined; pwa_guide_count=3; IS_HIDE_THEME_CHANGE=1; THEME_STAY_TIME=299808; msToken=XGPVAVUHDi9iTEQRjdXuQ0YyetxhHq0c9EH1dLLpttanbCXsNSD0DRxwk9oUB0vZ7LB9vKd-ABi2kAkzj2lCn1x98lJ4iTFbf260RcLav-G4QkhNyq8qV9i3oEJRyc8t; home_can_add_dy_2_desktop=1; msToken=3ALqenaebbJHw7kQDiDG6aRAgVYm5WM1pVGqmyyidbGgYpWRWKn-wQ9tcjoxWrHvwcqoYAx3tQ4IGE1qixdq2ei_fPrirMeeI6HeooU3sGR2wyWQ2OAAh2RejVJOrmpA; tt_scid=Gp0q0JW0LDreTqplgpajIZNHCB0.p1NcVv0hhZBgaGDw4SFxkXGlXfKafiCVmWAWc537', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36' } response = requests.get(url=url, headers=headers) # print(url) # <Response [200]> 响应对象 200 状态码表示请求成功 response.text 获取响应对象文本数据 # print(response.text) """ 数据解析, 提取我们想要数据内容 re正则表达式 <在付费课程 2.5个小时的内容讲解完> re.findall() 调用re模块里面findall方法去查询匹配数据找到所有 >>> 从什么地方去找什么样数据 (.*?) 表示你想要数据内容, 通配符, 可以匹配任意字符(除了换行符以外) """ title = re.findall('<title data-react-helmet="true">(.*?)</title>', response.text, re.S)[0] title = re.sub(r'[/:*?"<>|n]', '', title) video_url = re.findall('src(.*?)%22%7D%2C%7B%22src', response.text)[0] # 编码的内容获取 video_url_1 = requests.utils.unquote(video_url).replace('":"', 'https:') # 解码 # 编码 requests.utils.quote # 就业工作 1 接单赚钱 2 # print(title) # print(video_url) # print(video_url_1) video_content = requests.get(url=video_url_1, headers=headers).content # 发送请求获取二进制数据内容解答、资料、教程可加Q裙：261823976免费领 with open('img' + title + '.mp4', mode='wb') as f: f.write(video_content) # 写入内容 print('正在保存: ', title) except Exception as e: print(e)