Node 爬蟲，批量爬取頭條視頻並保存

項目地址：GitHub

目標網站：西瓜視頻
項目功能：下載頭條號【維辰財經】下的最新20個視頻
姊妹項目：批量下載美女圖集

簡介

一般批量爬取視頻或者圖片的套路是，使用爬蟲獲得文件鏈接集合，然后通過 writeFile 等方法逐個保存文件。然而，頭條的視頻，在需要爬取的 html 文件（服務端渲染輸出）中，無法捕捉視頻鏈接。視頻鏈接是頁面在客戶端渲染時，通過某些 js 文件內的算法或者解密方法，根據視頻的已知 key 或者 hash 值，動態計算出來並添加到 video 標簽的。這也是網站的一種反爬措施。

我們在瀏覽這些頁面時，通過審核元素，可以看到計算后的文件地址。然而在批量下載時，逐個手動的獲取視頻鏈接顯然不可取。開心的是，puppeteer 提供了模擬訪問 Chrome 的功能，使我們可以爬取經過瀏覽器渲染出來的最終頁面。

今日頭條里有很多有意思的頭條號玩家，他們發布了很多視頻在里面。如果大家有批量下載某個頭條號視頻的需求，這個爬蟲就派上用場了。當然，其他視頻站也都大同小異，更改下部分代碼設置就可以使用啦。

項目啟動

命令

npm i
npm start
// 安裝 puppeteer 的過程稍慢，耐心等待。

單個文件下載命令

npm run single
// 在文件 single.js 中設置視頻名稱和 src 即可。

配置文件

// 配置相關
module.exports =  {
  originPath: 'https://www.ixigua.com', // 頁面請求地址
  savePath: 'D:/videoZZ' // 存放路徑
}

// 單個視頻下載設置
const folderName = 'D:/videoLOL'
const fileName = 'S8預選賽TOP5：Haro李青無解操作支配戰局「LOL七周年」'
const videoSrc = 'http://v11-tt.ixigua.com/e2b7cbd320031f6c19890001503a6ca0/5b9fd7bb/video/m/2203ce04dd18e0e426381abfe64ea44f19b115bbe0a000027c1f6e94a77/'

// 初始化方法
const start = async () => {
  method.mkdirSaveFolder(folderName)
  let video = {
    src: videoSrc,
    title: fileName
  }
  downloadVideo(video)
}

技術點

puppeteer

官方API

puppeteer 提供一個高級 API 來控制 Chrome 或者 Chromium。

puppeteer 主要作用：

• 利用網頁生成 PDF、圖片
• 爬取SPA應用，並生成預渲染內容（即“SSR” 服務端渲染）
• 可以從網站抓取內容
• 自動化表單提交、UI測試、鍵盤輸入等

使用到的 API：

• puppeteer.launch() 啟動瀏覽器實例
• browser.newPage() 創建一個新頁面
• page.goto() 進入指定網頁
• page.screenshot() 截圖
• page.waitFor() 頁面等待，可以是時間、某個元素、某個函數
• page.$eval() 獲取一個指定元素，相當於 document.querySelector
• page.$$eval() 獲取某類元素，相當於 document.querySelectorAll
• page.$('#id .className') 獲取文檔中的某個元素，操作類似jQuery

代碼示例

const puppeteer = require('puppeteer');
 
(async () => {
  const browser = await puppeteer.launch();
  const page = await browser.newPage();
  await page.goto('https://example.com');
  await page.screenshot({path: 'example.png'});
 
  await browser.close();
})();

視頻文件下載方法

• 下載視頻主方法

const downloadVideo = async video => {
  // 判斷視頻文件是否已經下載
  if (!fs.existsSync(`${config.savePath}/${video.title}.mp4`)) {
    await getVideoData(video.src, 'binary').then(fileData => {
      console.log('下載視頻中：', video.title)
      savefileToPath(video.title, fileData).then(res =>
        console.log(`${res}: ${video.title}`)
      )
    })
  } else {
    console.log(`視頻文件已存在：${video.title}`)
  }
}

• 獲取視頻數據

getVideoData (url, encoding) {
  return new Promise((resolve, reject) => {
    let req = http.get(url, function (res) {
      let result = ''
      encoding && res.setEncoding(encoding)
      res.on('data', function (d) {
        result += d
      })
      res.on('end', function () {
        resolve(result)
      })
      res.on('error', function (e) {
        reject(e)
      })
    })
    req.end()
  })
}

• 將視頻數據保存到本地

savefileToPath (fileName, fileData) {
  let fileFullName = `${config.savePath}/${fileName}.mp4`
  return new Promise((resolve, reject) => {
    fs.writeFile(fileFullName, fileData, 'binary', function (err) {
      if (err) {
        console.log('savefileToPath error:', err)
      }
      resolve('已下載')
    })
  })
}

爬取結果截圖

說明

此爬蟲僅用於個人學習，如果侵權，即刻刪除！