目標網(wǎng)址：梨視頻

然后我們找到科技這一頁：https://www.pearvideo.com/category_8。其實你要哪一頁都行，你喜歡就行。嘿嘿…

這是動態(tài)網(wǎng)站，所以咱們直奔network 然后去到XHR：

找規(guī)律，這個應該不難，我就直接貼網(wǎng)址上來咯，想要鍛煉的可以找找看哈：

https://www.pearvideo.com/category_loading.jsp?reqType=5&categoryId=8&start=0

這個就是我們要找的目標網(wǎng)址啦，后面的0就代表頁數(shù),讓打開這個網(wǎng)頁發(fā)現(xiàn)是靜態(tài)網(wǎng)頁，這最好搞啦，直接上：

代碼如下：

import requestsimport parsel,reimport ostarget = 'https://www.pearvideo.com/videoStatus.jsp?contId='url = 'https://www.pearvideo.com/category_loading.jsp?reqType=5&categoryId=9&start=0'res = requests.get(url)res.encoding='utf-8'html = parsel.Selector(res.text)lists = html.xpath(’/html/body/li/div/a/@href’).getall()for each in lists: print('https://www.pearvideo.com/'+each)

output;https://www.pearvideo.com/video_1703486https://www.pearvideo.com/video_1703189https://www.pearvideo.com/video_1703161https://www.pearvideo.com/video_1702880https://www.pearvideo.com/video_1702773...

順利拿到，然后進入播放頁面，卻發(fā)現(xiàn)找不到MP4視頻，怎么辦？經(jīng)過我一番努力（扯掉了幾十根頭發(fā)后）發(fā)現(xiàn)，它在另外一個網(wǎng)址里面

咋辦？當然要想辦法把這個網(wǎng)址搞到手啦，仔細分析下，發(fā)現(xiàn)這個網(wǎng)址非常陌生呀，唯一稍微熟悉點的就是那串數(shù)字了，前面我們拿到播放頁的網(wǎng)址后面那串數(shù)字和這個對比，完全是一模一樣的，這樣的話那就好搞了，咱們直接用拼接的方式把它接上去就可以了，看代碼：

for each in lists: url_num = each.replace(’video_’,'') urls = target+url_num print(urls)`````pythonoutput：https://www.pearvideo.com/videoStatus.jsp?contId=1703486https://www.pearvideo.com/videoStatus.jsp?contId=1703189https://www.pearvideo.com/videoStatus.jsp?contId=1703161https://www.pearvideo.com/videoStatus.jsp?contId=1702880https://www.pearvideo.com/videoStatus.jsp?contId=1702773https://www.pearvideo.com/videoStatus.jsp?contId=1702633...

出來了，好像稍微有點不一樣，后面那啥&mrd=***************** 沒有，怎么辦？沒有就不要唄，看過我發(fā)的百度圖片那篇的朋友都懂，網(wǎng)址里面有些東西是不需要的，純粹是搞咱們這些玩爬蟲的，惡心咱們。不過沒辦法，畢竟是咱們要去爬人家的數(shù)據(jù)的。

網(wǎng)址問題解決了，但是點進去一看，發(fā)現(xiàn)這東東:

恩，很明顯，是遇到反爬機制了，這個好搞，要什么給什么就行，代碼如下：

headers = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36’, ’Referer’: ’https://www.pearvideo.com/video_’+ str(url_num) } html = requests.get(urls,headers=headers).text print(html)

搞定！！

最后我們看一下MP4能不能播放：

西八！404！！恩，這里就稍微有點麻煩了，還得找數(shù)據(jù)，把里面的時間戳改成 ‘cont-數(shù)字‘，感覺寫了好多，手都有點累了，我就直接上代碼了：

import requestsimport parsel,reimport os target = 'https://www.pearvideo.com/videoStatus.jsp?contId='url = 'https://www.pearvideo.com/category_loading.jsp?reqType=5&categoryId=9&start=0'res = requests.get(url)res.encoding='utf-8'html = parsel.Selector(res.text)lists = html.xpath(’/html/body/li/div/a/@href’).getall()# print(lists[2:])# 提取視頻后面的數(shù)字，數(shù)字是最重要的，需要傳給 Referer 和 urlsfor each in lists: url_num = each.replace(’video_’,'') urls = target+url_num # print(urls) headers = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36’, ’Referer’: ’https://www.pearvideo.com/video_’+ str(url_num) } html = requests.get(urls,headers=headers).text cont = ’cont-’ + str(url_num) # 提取 mp4 視頻 srcUrl = re.findall(f’'srcUrl':'(.*?)'’,html)[0] # 替換視頻里面的時間戳，改為可以真正播放的數(shù)據(jù) new_url = srcUrl.replace(srcUrl.split('-')[0].split('/')[-1],cont) print(new_url) # 使用視頻后綴當視頻名稱 filename = srcUrl.split('/')[-1] # 保存到本地 with open('./images/'+filename,'wb') as f: f.write(requests.get(new_url).content)

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網(wǎng)。