色欧美成人精品a∨在线观看,中国VIDEOSEX高潮对白HD

主頁 > 知識庫 > Python爬取梨視頻的示例

Python爬取梨視頻的示例

爬取流程（美食區最熱標簽下的三個視頻）

在首頁獲取視頻的編號和名字
拼接成正確的url
保存視頻

思路

1.從網頁中獲取視頻的url

發現視頻的url在id為“JprismPlayer”的div標簽下的video標簽src屬性中，xpath解析網頁

video_url = tree.xpath("http://div[@id='JprismPlayer']/video/@src")

但得到的返回值為空，也就是說這個video標簽在原網頁中并不存在，很可能是動態加載出來的

2. 從動態請求獲取視頻的url

果然在動態請求中發現了包含視頻url的json數據

可是發起請求后拿到的json數據卻和抓包工具中看到的不一樣，試著在請求頭中加入Referer參數，查看referer可以發現，它最后video_后面跟的是首頁中視頻的編號

{
	"resultCode":"1",
	"resultMsg":"success", "reqId":"fd1c910d-f49a-431a-b9a4-9c193c3c1983",
	"systemTime": "1611666178518",
	"videoInfo":{"playSta":"1","video_image":"https://image1.pearvideo.com/cont/20210125/11107897-184717-1.png","videos":{"hdUrl":"","hdflvUrl":"","sdUrl":"","sdflvUrl":"","srcUrl":"https://video.pearvideo.com/mp4/third/20210125/1611666178518-11107897-181816-hd.mp4"}}
}

在headers中加入Referer后順利拿到json數據

可向json數據中的視頻url發起請求拿到的卻是404頁面

3. 拼接正確的url

這里花了很長時間去想哪里有問題，把前面的步驟理了很多遍才發現，其實動態請求返回的json數據中的視頻url和主頁video標簽中的視頻url根本不一致

首頁中加載出來的視頻鏈接是正確的，可以順利的拿到視頻，而json數據中的鏈接則會返回404。把他們進行對比，可以看到他們前半部分是一樣的，但到了紅線框住的地方就不一樣了。
正確的url是 cont-視頻id-
而json數據中的url這個部分是一串數字
那只要把這一串數字改成 cont-視頻id- 的形式就能獲得正確的視頻url了

代碼

# 爬取梨視頻

import requests
from lxml import etree
import os
from multiprocessing import Pool

# 梨視頻首頁url
url = "https://www.pearvideo.com/category_6"
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36'
  }

# 獲取響應，并用etree解析
response = requests.get(url=url, headers=headers).text
tree = etree.HTML(response)

# 拿到視頻的名字和視頻號
video_id_list = tree.xpath("http://ul[@class='listvideo-list clearfix']/li[@class='categoryem ']//a[@class='vervideo-lilink actplay']/@href")
video_name_list = tree.xpath("http://ul[@class='listvideo-list clearfix']/li[@class='categoryem ']//a/div[@class='vervideo-title']/text()")
data_list = [{"name": video_name_list[i], "idNum": video_id_list[i][6:]} for i in range(len(video_name_list))]

# 創建一個存放視頻的文件夾
if not os.path.exists("./videos"):
  os.mkdir("./videos")

# 獲取視頻的函數
def down_video(data):
  name = data['name']
  idNum = data['idNum']

  # 獲取視頻需要的headers，注意這里的Referer要和視頻的id匹配
  headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36',
    'Referer': f'https://www.pearvideo.com/video_{idNum}'
  }
  # 獲取接近真正視頻url的url，這里的id也需要和視頻id匹配才行
  url = f'https://www.pearvideo.com/videoStatus.jsp?contId={idNum}'

  # 得到包含視頻地址json響應數據
  response = requests.get(url=url, headers=headers).json()
  video_url = response["videoInfo"]["videos"]["srcUrl"]

  # 將視頻地址中的數字替換成 cont-視頻編號 拿到真正的視頻地址
  video_url = video_url.replace(video_url.split("/")[-1].split("-")[0], "cont-" + idNum)

  # 拿到視頻并保存
  video = requests.get(url=video_url, headers=headers).content
  with open(f"./videos/{name}.mp4", "wb") as f:
    print(f"正在下載視頻 {name} ...")
    f.write(video)
    print(f"視頻 {name} 下載完成！")

if __name__ == '__main__':
  # 創建進程池并使用
  pool = Pool(3)
  pool.map(down_video, data_list)
  pool.close()
  pool.join()