python 爬取抖音视频
抖音爬取最困难的是抖音视频地址的提取 ,提取到视频地址之后 即可进行保存下载
抖音的地址存于script标签间 是编码后的 所以取到地址要进行解码
本案例中使用的解码方式 是request 解码 具体其他解码方式
url其他包解码
from urllib import parse #数据对象 data = { "a":"1", "b":"3", "x":"张三", "y":"李四" } #进行url_encode编码,编码结果为查询字符串形式,即进行url编码,然后用a=1&b=2形式拼接键值对 text = parse.urlencode(data) print(text) #进行url解码,但是不会将拼接形式转换为字典形式 text1 = parse.unquote(text) print(text1) #进行url编码,但是这步会将&与=一起转码 text2 = parse.quote(text1) print(text2) a = "我是大侦探" #url编码 b = parse.quote(a) print(b) #url解码 c = parse.unquote(b) print(c) #执行结果为 a=1&b=3&x=%E5%BC%A0%E4%B8%89&y=%E6%9D%8E%E5%9B%9B a=1&b=3&x=张三&y=李四 a%3D1%26b%3D3%26x%3D%E5%BC%A0%E4%B8%89%26y%3D%E6%9D%8E%E5%9B%9B %E6%88%91%E6%98%AF%E5%A4%A7%E4%BE%A6%E6%8E%A2 我是大侦探
案例代码如下:
try: url = li.find_element_by_css_selector('a').get_attribute('href') """ 1. 发送请求, 模拟浏览器对于url地址发送请求 需要注意什么细节: <Response [200]> 表示是请求成功, 但是不代表你得到数据 """ # 确定url地址 # url = 'https://www.douyin.com/video/7064550745437146383' # 模拟浏览器 伪装python代码 设置请求头参数 headers = { # 无论是否有登陆 都有 cookie 'cookie': 'douyin.com; ttwid=1%7CHj5s1edW817SdFa5U5hnifjpPs-xPs4Lv7vC7DQNm60%7C1652797030%7C21e300be59bef00949a7d8f790beeeb4db77670205394cc7cce9dcd0229b5e95; odin_tt=fded742fd6268e282962a1c63dd4f62e37e3bd8950387213e5a8bf5d86daef284ad8b9c31fb69e43d70253eca40fdb3fd0dad5ea27c7288dc9f4910ffcd7cce1; s_v_web_id=verify_l5rpgfoe_2FbyEP85_x7NT_4lnS_8mmC_nBHk2mpOAmBm; passport_csrf_token=512069ecb5db0a00d52dbef10af4dc80; passport_csrf_token_default=512069ecb5db0a00d52dbef10af4dc80; strategyABtestKey=1659508208.59; download_guide=%221%2F20220803%22; THEME_STAY_TIME=%22299791%22; IS_HIDE_THEME_CHANGE=%221%22; __ac_nonce=062ea61cf0015449b429c; __ac_signature=_02B4Z6wo00f01qBh60AAAIDCIGMRAcbkcOKgQe.AAMr-cutAXyUweCACuMTMehP6MqIdwv2UEAokF6bgwnKJHr-hyQGeTR3ihhKs3ZnrQMVRw201.2SFchUf9IYC773W0pl8PgdRzDjOMuyxe4; douyin.com; home_can_add_dy_2_desktop=%221%22; tt_scid=JJ6iYRr.ZdTE5Je0lI2iTvxgISufJnQJCWA52nAk039mUVI2M0tFOAEhXUTbS5dR4460; msToken=YBz-BW7m8hhFhPyQMrwofvkqhXmfcY5CZz5CWtGWgAklgELhEww4OWk067p3bI2IksUw7vbX7uKG2jb1niFtISXpdv-vue9YY6lBHXOIkPQdQg9oJVeQs2s=; msToken=B66A2vCUlfhY3aX_Vf9_z5Lk-SME5-nNGQXkKPOAJM42SYQsWlg9qUtM2Hr6xw4rZYpkGhO7yzt92WXL4nJ3FU2EbimiozujrVjWw-6IWDFLWVfM9np7oSw=', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36' } # 发送请求 左边url是get请求方法里面形式参数 右边url是我们自定义变量, 传入进去参数 response = requests.get(url=url, headers=headers) # 打印响应对象 <Response [200]> print(response) # 2. 获取数据 print(response.text) """ 3. 解析数据 ---> 根据返回数据类型<内容> 以及 你想要数据内容 选择最方便合适解析方法 re正则表示式 直接可以对于字符串数据进行提取 除非说我们用re提取说出来之后, 是json数据格式, 然后通过数据类型转换之后, 再用字典取值 """ # 提取标题 title = re.findall('<title data-react-helmet="true">(.*?)</title>', response.text)[0] # html_data = re.findall('<script id="RENDER_DATA" type="application/json">(.*?)</script', response.text)[0] # 解码 ---> requests简单使用 方法 系统课程都教授了 # requests.utils.unquote 解码 requests.utils.quote 编码 html_data = requests.utils.unquote(html_data) # 转换数据类型 json_data = json.loads(html_data) # 字典取值 字典取值, 根据冒号左边的内容, 提取冒号右边的内容 video_url = 'https:' + json_data['75']['aweme']['detail']['video']['bitRateList'][0]['playAddr'][0]['src'] print(title) print(video_url) # 保存数据 video_content = requests.get(url=video_url, headers=headers).content with open('video\\' + title + '.mp4', mode='wb') as f: f.write(video_content) except Exception as e: print(e)
非特殊说明,本文版权归原作者所有,转载请注明出处
评论列表
发表评论