直播跳舞的小姐姐穿的越來越涼快了？Python爬取顏值/舞蹈區小姐姐視頻（懂得都懂~完整代碼）

先來看看我們本次要爬的內容

本文主要知識點：

1. 爬蟲基本流程
2. re正則表達式 (內置模塊)
3. requests >>> pip install requests 在CMD 命令符 win + R
4. json數據解析方法
5. 視頻數據保存

開發環境：

• Python 3.6 / 3.8
• Pycharm (專業需要激活碼 社區免費) 安裝包 安裝教程 使用教程 激活碼 翻譯插件
• 谷歌/火狐瀏覽器驅動

 

【付費VIP完整版】只要看了就能學會的教程，80集Python基礎入門視頻教學

爬蟲主要步驟:

1. 找數據對應的地址
2. 使用python代碼發送請求
3. 數據篩選
4. 數據保存

用selenium自動化框架爬取數據

import requests  # 數據請求 第三方模塊 pip install requests
import re  # 正則表達式模塊 內置模塊
from selenium import webdriver  # 測試模擬 模擬人去操作瀏覽器 pip install selenium
import pprint  # 格式化輸出模塊
import time  # 時間模塊

# 需要谷歌/火狐驅動  python的環境安裝在哪 就放那
driver = webdriver.Chrome()  # 把驅動直接放在python安裝的路徑里面 實例化一個瀏覽器對象
driver.get('https://v.huya.com/g/all?set_id=31&order=hot&page=1')

def get_video_content():
    # time.sleep(2)
    driver.refresh()
    driver.implicitly_wait(10)  # 隱式等待 等待數據加載 加載完成之后才繼續運行后面的內容
    # time 延時有點區別 死等
    lis = driver.find_elements_by_css_selector('.vhy-video-list li')
    for li in lis:
        video_url = li.find_element_by_css_selector('.video-wrap').get_attribute('href')
        print(video_url)
        video_id = re.findall('https://v\.huya\.com/play/(.*?)\.html', video_url)[0]
        headers = {
            # 'Cookie': 'SoundValue=0.50; isInLiveRoom=; udb_guiddata=f88bdbcfecb444cbaebfd3430e0c220c; udb_deviceid=w_491619378696527872; udb_anouid=1462126356760; Hm_lvt_51700b6c722f5bb4cf39906a596ea41f=1631947193; __yasmid=0.5061768216828664; __yamid_tt1=0.5061768216828664; __yamid_new=C986054DD8700001912A6690BBA03A50; _yasids=__rootsid%3DC986054DD8900001E8251C028DB01560; Hm_lvt_9fb71726843792b1cba806176cecfe38=1631947194; udb_passdata=3; hiido_ui=0.8655862701494763; Hm_lpvt_51700b6c722f5bb4cf39906a596ea41f=1631948597; Hm_lpvt_9fb71726843792b1cba806176cecfe38=1631948597; rep_cnt=96',
            # 'Host': 'v.huya.com',
            # 'Pragma': 'no-cache',
            # 'Upgrade-Insecure-Requests': '1',
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.82 Safari/537.36',
        }
        index_url = f'https://liveapi.huya.com/moment/getMomentContent?videoId={video_id}&uid=&_=1631947292202'
        json_data = requests.get(url=index_url, headers=headers).json()
        # json字典數據 可以直接根據鍵值對 提取數據內容 冒號左邊 提取冒號右邊的
        play_url = json_data['data']['moment']['videoInfo']['definitions'][0]['url']
        title = json_data['data']['moment']['videoInfo']['videoTitle']
        # video_content = requests.get(url=play_url, headers=headers).content  # 獲取二進制數據內容
        # with open('video\\' + title + '.mp4', mode='wb') as f:
        #     f.write(video_content)
        print(title, play_url)

for page in range(1, 3):
    print(f'正在爬取第{page}頁數據內容')
    get_video_content()
    driver.find_element_by_css_selector('.next').click()
    time.sleep(1)

 

運行代碼，得到結果

 

 

對於本篇文章有疑問的同學也可以點這里