2021最新版Python爬取抖音小姐姐短視頻，無水印，超級詳細！（附視頻/源碼）

好了，又來到了大家最喜歡的整活環節，爬小姐姐視頻，本來爬正經視頻的，但是想了想，還是要整點實用的，那必須換成小姐姐，直接整活！

用的環境是Python3.6和pycharm，需要安裝一個瀏覽器驅動（谷歌或者火狐的都可以，跟瀏覽器版本相近就行）沒有的小伙伴可以加這個群點我免費加群領取 包括本次的完整代碼，視頻教程都在群里免費領取。
很多小伙伴在學習的過程中因為沒有好的學習資料、學習路線，或者遇到問題得不到及時解決導致自己學習進度緩慢，甚至放棄學習了，在這里我統統都給大家准備好了，從零基礎到實戰，各個方向的學習路線統統免費送給大家，學習問題都可以在群里得到解答，點我免費領取

本次要用到的模塊

requests >>> pip install requests
selenium >>> pip install selenium
re
os

 

大概思路

一. 數據來源分析

1. 確定需求 (我們要爬的內容是什么?)
   抖音視頻內容
2. 通過開發者工具進行抓包分析
   I. (F12/鼠標右鍵點擊檢查可以打開) 選擇network 選擇 media 找播放地址
   II. 找播放地址來源 >>>
   爬一個視頻

二. 代碼實現過程

1. 發送請求 對於視頻詳情頁發送請求
2. 獲取數據 獲取網頁源代碼數據
3. 解析數據 提取視頻播放地址 以及視頻標題
4. 下載保存

各個模塊的作用

import requests  # 數據請求 第三方模塊 pip install requests
import re  # 正則表達式模塊
import os  # 文件操作模塊
import time # 時間模塊
from selenium import webdriver  # pip install selenium

 

自動判斷有無文件夾，自動創建，文件夾名字可以自己隨便命名，這里我們創建名字為video，這里也可以自己先創建一個相同名字的文件夾放在代碼旁邊。

filename = 'video\\' # 文件名字
if not os.path.exists(filename): # 判斷如果沒有這個文件夾的話
    os.mkdir(filename) # 創建這個文件

 

很多文件下載下來后名字帶有特殊符號的，這時候我們就要把這些特殊符號給替換掉，不然不能保存。

def change_title(title):
    pattern = re.compile(r"[\/\\\:\*\?\"\<\>\|\n]")  # '/ \ : * ? " < > |'
    new_title = re.sub(pattern, "_", title)  # 替換為下划線
    return new_title

 

這一步需要安裝好瀏覽器驅動，selenium 可以模擬人的行為去操作瀏覽器，模擬滑動操作。自己翻的話，多麻煩是吧。驗證碼沒有寫進來，需要自己手動過一下驗證碼。

def drop_down():
    """執行頁面滾動的操作"""  # javascript
    for x in range(1, 30, 4):  # 在你不斷的下拉過程中, 頁面高度也會變的
        time.sleep(1)
        j = x / 9
        # document.documentElement.scrollTop  指定滾動條的位置
        # document.documentElement.scrollHeight 獲取瀏覽器頁面的最大高度
        js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j
        driver.execute_script(js)

 

實例化一個瀏覽器的對象

driver = webdriver.Chrome()

 

訪問url地址網址

driver.get('.......')

 

括號里面的內容替換成你想要爬取的博主，我就不放鏈接了，免得審核不過。
截個圖吧，這里以他為例，具體是誰，懂得都懂。
不，我不懂~

怎么找地址呢，在當前頁面鏈接中把？之前的都復制下來放進括號里面替換掉… 這幾個點。
返回的列表 里面元素是對象

lis = driver.find_elements_by_css_selector('div._927ae3b0dd790b5b62eae61c7d2fa0bc-scss > div:nth-child(2) > ul li')

 

調用 find_element_by_css_selector() 方法

li_url = li.find_element_by_css_selector('a').get_attribute('href')

 

headers 請求頭 偽裝作用，user-agent: 瀏覽器的基本信息。

headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36'
    }
    response = requests.get(url=li_url, headers=headers)

 

獲取數據 response.text 獲取響應體的文本數據
print(response.text)
解析數據 通過 re 正則表達式
正則表達式匹配出來的內容是列表
貪婪模式[我全都要] 非貪婪模式(?)

title = re.findall('<title data-react-helmet="true"> (.*?)</title>', response.text, re.S)[0]
    new_title = change_title(title)

 

返回是列表沒問題， [1] 索引取值 第一個元素索引位置是0 第二個元素索引位置 1。

html_data = re.findall('src(.*?)vr%3D%2', response.text)[1]

 

解碼

video_url = requests.utils.unquote(html_data).replace('":"', 'http:')

 

print(video_url)保存數據，response.content (獲取響應體的二進制數據)，為什么我要獲取二進制數據呢，如果要保存圖片/視頻/音頻/特定格式的文件，都是二進制數據保存的。

video_content = requests.get(url=video_url, headers=headers).content

 

mode 保存方式， w 是寫入， b 二進制模式 ，wb 以二進制方式保存， mode 默認是， r 讀取，as 重命名 f。

然后看一下效果

 

 

 

 

 

兄弟們，沖沖沖！還是新鮮的，只要你去試了，必然是成功的，如果你連試都沒試，那當我沒說，文章如果看不懂，可以進那個群看視頻！工具軟件都有現成的直接找管理要就好了！