python爬虫通俗点讲是什么

发布网友 发布时间：2022-04-21 16:59

我来回答

共2个回答

懂视网 时间：2022-05-10 10:27

最近在写一个应用，需要收集微博上一些热门的视频，像这些小视频一般都来自秒拍，微拍，美拍和新浪视频，而且没有下载的选项，所以只能动脑想想办法了。

第一步

分析网页源码。 例如：http://video.weibo.com/show?fid=1034:0988e59a12e5178acb7f23adc3fe5e97，右键查看源码，一般视频都是mp4后缀，搜索发现没有，但是有的直接就能看到了比如美拍的视频。

第二步

抓包，分析请求和返回。这个也可以通过强大的chrome实现，还是上面的例子，右键->审查元素->NetWork，然后F5刷新网页

发现有很多请求，只能一条一条的分析了，其实视频格式就是那几种mp4，flv，avi了，一下就能看到了，复制到浏览器中打开，果然就是我们想要的下载链接了。

第三步

分析下载链接和视频链接的规律。即http://video.weibo.com/show?fid=1034:0988e59a12e5178acb7f23adc3fe5e97与xxx.mp4的关系。这个又需要分析网页源码了，其实可以注意上面那个以.m3u8后缀的链接,m3u8记录了一个索引纯文本文件，打开它时播放软件并不是播放它，而是根据它的索引找到对应的音视频文件的网络地址进行在线播放,打开看，里面确实记录着我们想要的下载链接。而且.m3u8后缀的链接就在网页源码中。

总结

经过前三步的分析，获取视频下载链接的思路就是先从网页源码中获取.m3u8后缀的链接，下载该文件，从里面得到视频下载链接，最后下载视频就好了

源码

#sinavideo.py
#coding=utf-8
import os
import re
import urllib2
import urllib 
from common import Common
class SinaVideo():

 URL_PIRFIX = "http://us.sinaimg.cn/"
 def getM3u8(self,html):
 reg = re.compile(r'list=([sS]*?)&fid')
 result = reg.findall(html)
 return result[0]


 def getName(self,url):
  return url.split('=')[1]

 def getSinavideoUrl(self,filepath):
 f = open(filepath,'r')
 lines = f.readlines()
 f.close()
 for line in lines:
  if line[0] !='#':
  return line

 def download(self,url,filepath):
 #获取名称
 name = self.getName(url)
 html = Common.getHtml(url)
 m3u8 = self.getM3u8(html)
 Common.download(urllib.unquote(m3u8),filepath,name + '.m3u8')
 url = self.URL_PIRFIX + self.getSinavideoUrl(filepath+name+'.m3u8')
 Common.download(url,filepath,name+'.mp4')

#common.py
#coding=utf-8
import urllib2
import os
import re


class Common():
 # 获取网页源码
 @staticmethod
 def getHtml(url):
 html = urllib2.urlopen(url).read()
 print "[+]获取网页源码:"+url
 return html

 # 下载文件
 @staticmethod
 def download(url,filepath,filename):
 headers = {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'Accept-Charset': 'UTF-8,*;q=0.5',
  'Accept-Encoding': 'gzip,deflate,sdch',
  'Accept-Language': 'en-US,en;q=0.8',
  'User-Agent': 'Mozilla/5.0 (Linux; Android 4.4.2; Nexus 4 Build/KOT49H) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/34.0.1847.114 Mobile Safari/537.36'
 }
 request = urllib2.Request(url,headers = headers);
 response = urllib2.urlopen(request)
 path = filepath + filename
 with open(path,'wb') as output:
  while True:
  buffer = response.read(1024*256);
  if not buffer:
   break
  # received += len(buffer)
  output.write(buffer)

 print "[+]下载文件成功:"+path

 @staticmethod
 def isExist(filepath):
 return os.path.exists(filepath)

 @staticmethod
 def createDir(filepath):
  os.makedirs(filepath,0777)

调用方式：

 url = "http://video.weibo.com/show?fid=1034:0988e59a12e5178acb7f23adc3fe5e97"sinavideo = SinaVideo()  
 sinavideo.download(url,""/Users/cheng/Documents/PyScript/res/"")

结果

热心网友 时间：2022-05-10 07:35