zoukankan      html  css  js  c++  java
  • python爬虫:爬取网站视频

    python爬取百思不得姐网站视频:http://www.budejie.com/video/

    新建一个py文件,代码如下:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    #!/usr/bin/python
    # -*- coding: UTF-8 -*-
     
    import  urllib,re,requests
    import  sys
    reload (sys)
    sys.setdefaultencoding( 'utf-8' )
     
    url_name  =  []  #url name
     
    def  get():
         #获取源码
         hd  =  { "User-Agent" : "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36" }
         url  =  'http://www.budejie.com/video/'
         html  =  requests.get(url,headers = hd).text
         url_content  =  re. compile (r '(<div class="j-r-list-c">.*?</div>.*?</div>)' ,re.S)  #编译
         url_contents  =  re.findall(url_content,html)  #匹配
     
         for  in  url_contents:
             #匹配视频
             url_reg  =  r 'data-mp4="(.*?)"'   #视频地址
             url_items  =  re.findall(url_reg,i)
             #print url_items
             if  url_items:   #判断视频是否存在
                 name_reg  =  re. compile (r '<a href="/detail-.{8}?.html">(.*?)</a>' ,re.S)
                 name_items  =  re.findall(name_reg,i)
                 #print name_items[0]
                 for  i,k  in  zip (name_items,url_items):
                     url_name.append([i,k])
                     print  i,k
         for  in  url_name:   #i[1]=url i[0]=name
             urllib.urlretrieve(i[ 1 ], 'video\\%s.mp4'  %  (i[ 0 ].decode( 'utf-8' )))
     
    if  __name__  = =  "__main__" :
         get()

     

    在 py 文件下新建一个 video 文件夹,执行后结果如下:

    wKiom1kkMz-i8-RdAAIVKL2KXsw022.png

    在 video 文件夹可以看到下载好的视频

    wKioL1kkM1KQyw43AAQpNrfCuQc669.png

    注意报错:

    UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-9: ordinal not in range(128)

    解决:

    import sys
    reload(sys)

    sys.setdefaultencoding('utf-8')

     

     

    转载:http://blog.51cto.com/xiaogongju/2061754

  • 相关阅读:
    关于对象
    python *args **kwargs用法
    程序员的自我修养:链接、装载与库
    LInux高性能服务器编程:多线程编程
    Linux高性能服务器编程:多进程编程
    使用burpsuite进行手动sql注入
    selenium+webdriver 实现上传文件,方法有三种,
    burp下载
    初识burp suite
    jmeter函数助手_详情,(资源来源网络)
  • 原文地址:https://www.cnblogs.com/lxwphp/p/15453655.html
Copyright © 2011-2022 走看看