一、寫在前面
因為小破站的音頻和視頻畫面是分開的 (番劇也是一樣的)，正常爬下來是這樣。
額，這么截圖，小姐姐的臉都變形了…
本來還是挺好看的一姑娘，算了不管她。
所以我們需要額外的去安裝一個軟件FFmpeg用來合成視頻，然后配置環境變量就可以了。
軟件和安裝過程我都放在網盤了，大家任意自取。
網盤鏈接：FFmpeg安裝包及安裝方法
提取碼：qwer
合成過程
合成成功
這個封面着實不給力，大家自己去試的時候，換一個吧…
首先導入模塊
import requests # 數據請求模塊 第三方模塊 pip install requests import re # 正則表達式 內置模塊 不需要安裝 import pprint # 格式化輸出模塊 import json # 序列化和反序列化 import subprocess import os
發送請求 以及獲取數據函數
#單引號/雙引號/三引號括起來的內容是字符串數據。 #三引號也可以作為注釋，多行代碼注釋。 def get_response(html_url): """ :param html_url: 請求的url地址 :return: 返回請求服務器返回的響應數據 """ # 在發送請求之前, 需要進行偽裝 headers 請求頭 # user-agent 瀏覽器基本標識 用戶代理 基本偽裝 反反爬的手段 # 出現 403 加防盜鏈 referer 告訴服務器, 我們發送請求的url地址 是從哪里跳轉過來的 headers = { 'referer': 'https://search.bilibili.com/', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36' } response = requests.get(url=html_url, headers=headers) # 請求代碼 # <Response [200]> 對象response響應對象 200 狀態碼 表示請求成功 # 404 >>> 你所撥打的電話是空號 >>> 網址出錯 # 403 >>> 你所撥打的電話不在服務區 >>> 你沒有訪問權限 # 100-500 300還行 return response
獲取視頻標題 / 音頻 url地址 / 視頻畫面url地址
def get_video_info(html_url): """ :param html_url: 視頻的詳情頁 :return: 視頻標題 / 音頻 url地址 / 視頻畫面url地址 """ response = get_response(html_url=html_url) # response.text 獲取響應體的文本數據 # print(response.text) 獲取html字符串數據 # 只要你可以看到數據 就可以下載 進行批量下載 # 解析數據 提取視頻標題 re正則表達式 css選擇器 xpath(解析方式) bs4 parsel lxml (解析模塊) jsonpath 主要提取json數據 # ['【4K美女】此視頻禁止曹賊入內~~'] 正則表達式提取的數據內容 返回都是列表數據類型 [0] 列表 索引取值 # 通過re正則表達式里面findall 方法 提取數據內容 '<h1 title="(.*?)" class="video-title">' 我想要的提取數據 # 想要的內容用括號括起來 .*? 可以匹配任意字符(除了換行符以外\n) 從 response.text 里面查找數據 title = re.findall('<h1 title="(.*?)" class="video-title">', response.text)[0].replace(' ', '') # 標題 title = re.sub(r'[/\*:"?<>|]', '', title) html_data = re.findall('<script>window.__playinfo__=(.*?)</script>', response.text)[0] # 播放信息的 # html_data 是什么樣的數據類型 <class 'str'> # 為了更加方便提取數據, 可以字符串數據 轉換成 字典數據類型 # print(type(response.text)) # print(title) # print(html_data) # pprint.pprint(html_data) # print(type(html_data)) json_data = json.loads(html_data) # 根據冒號左邊的內容, 提取冒號右邊的內容 鍵值對取值 # 注冊賬號 電話號碼 或者 身份證號碼 數字個數是多的吧 然后不能瞎填 audio_url = json_data['data']['dash']['audio'][0]['baseUrl'] video_url = json_data['data']['dash']['video'][0]['baseUrl'] video_info = [title, audio_url, video_url] # pprint.pprint(json_data) # print(audio_url) # print(video_url) return video_info
保存數據函數
def save(title, audio_url, video_url): """ :param title: 視頻標題 :param audio_url: 音頻url :param video_url: 視頻畫面url :return: """ # 保存音頻 視頻數據 獲取二進制數據內容 # 403 沒有訪問的權限
# Python視頻教程、源碼、電子書、軟件、解答、學習路線圖、加群 924040232
audio_content = get_response(html_url=audio_url).content video_content = get_response(html_url=video_url).content # 英文符號 with open(title + '.mp3', mode='wb') as f: f.write(audio_content) with open(title + '.mp4', mode='wb') as f: f.write(video_content) print(title, '保存成功~~~')
數據的合並
def merge_data(video_name): print('視頻合成開始:', video_name) cmd = f"ffmpeg -i {video_name}.mp4 -i {video_name}.mp3 -c:v copy -c:a aac -strict experimental {video_name}output.mp4" # print(cmd) subprocess.run(cmd, shell=True) print('視頻合成結束:', video_name) os.remove(f'{video_name}.mp4') os.remove(f'{video_name}.mp3')
如果運行沒保存，但是沒有下載結果的話，就是你的環境變量沒設置好，我們把合並程序的文件路徑放上去就行了。
cmd = f"C:\\ffmpeg\\bin\\ffmpeg -i
獲取某一個up主所有視頻bv號
def get_video_id(html_url): """ :param html_url: 視頻信息數據包 :return: """ json_data = get_response(html_url).json()['data']['list']['vlist'] bv_id_list = [i['bvid'] for i in json_data] return bv_id_list
主函數
def main(html_url): """ :param bv_id: bv號 :return: """ bv_id_list = get_video_id(html_url) for index in bv_id_list: url = f'https://www.bilibili.com/video/{index}' video_info = get_video_info(url) # [title, audio_url, video_url] save(video_info[0], video_info[1], video_info[2]) merge_data(video_info[0]) if __name__ == '__main__': for page in range(1, 5): url = f'https://api.bilibili.com/x/space/arc/search?mid=81595107&ps=30&tid=0&pn={page}&keyword=&order=pubdate&jsonp=jsonp' main(url)
兄弟們悠着點，看多了遭不住。
兄弟們，學廢了嗎？
覺得還行的話，記得三連哈~