Python selenium抓取虎牙短视频代码实例

今天闲着没事，用selenium抓取视频保存到本地，只爬取了第一页，只要小于等于5分钟的视频。。。

为什么不用requests，没有为什么，就因为有些网站正则和xpath都提取不出来想要的东西，要么就是接口出来的数据加密，要么就因为真正的视频url规律难找！

selenium几行代码轻轻松松就搞定！

安装selenium库，设置无界面模式

代码如下：

from selenium import webdriverfrom selenium.webdriver.chrome.options import Optionsimport requests#设置无界面模式chrome_options = Options()chrome_options.add_argument(’--headless’)chrome_options.add_argument(’--disable-gpu’) class VideoCrawl(object): video_box=[]#收集video真正的url def __init__(self,url): self.driver=webdriver.Chrome(executable_path=r'C:Program FilespythonLibsite-packagesseleniumwebdriverchromechromedriver.exe',options=chrome_options)#设置无界面模式 self.driver.get(url) #程序运行完毕，析构函数关闭selenium def __del__(self): print('爬取结束。。。。。',len(VideoCrawl.video_box),VideoCrawl.video_box) self.driver.close() def run(self): self.get_detail_info() #获取列表页所有详情页的url def get_detail_info(self): detail_info = self.driver.find_elements_by_xpath(’//a[@class='video-wrap statpid']’) detail_url=[] for i in detail_info: detail_url.append(i.get_attribute(’href’))#获取视频页url video_playtime_list=self.driver.find_elements_by_xpath(’//span[@class='video-duration']’) video_playtime_list=[i.text for i in video_playtime_list] for res in zip(detail_url,video_playtime_list): playtime=res[1].split(':')[0] # print('playtime--------',playtime) if int(res[1].split(':')[0])<=5:#播放时间小于5分钟的要# print(res[0],'解析的url',playtime)self.parse_video(res[0],res[1]) else:pass #解析详情页 def parse_video(self,url,t): self.driver.get(url) videoobj = self.driver.find_elements_by_xpath(’//video’) video_url=videoobj[0].get_attribute(’src’) title=self.driver.find_elements_by_xpath(’//h1[@class='video-title']’)[0].text print(’video_url--------’,video_url,title,t) #保存video到本地 self.save_video(video_url,title,t) #类变量统计video_url VideoCrawl.video_box.append(video_url) #保存,请求video_url，二进制保存为mp4 def save_video(self,url,title,t): filename='video'+title+'-'+t.replace(':','')+'.mp4' video=requests.get(url).content with open(filename,'wb') as file: file.write(video) print(f'{filename}写入文件完毕') if __name__ == ’__main__’: crawl=VideoCrawl(’https://v.huya.com/cat/7’) crawl.run()

运行结果如下：

'C:Program Filespythonpython.exe' C:/Users/Administrator.SC-201903160419/Desktop/note/exer/myapp.pyvideo_url-------- https://huya-w10.huya.com/2005/265917310/1300/d973823b0f437c9d78fc40b9691fdb54.mp4 【轩子小剧场】最意外的自行车 04:23video【轩子小剧场】最意外的自行车-0423.mp4写入文件完毕video_url-------- https://huya-w10.huya.com/2006/267302224/1300/f8a363ec243e4adb2857491f695bc118.mp4 轩子巨2兔：轩子教你演戏 05:06video轩子巨2兔：轩子教你演戏-0506.mp4写入文件完毕video_url-------- https://huya-w6.huya.com/2005/264805062/1300/582b726b05db31fc12a1e5557011a6bf.mp4 【麦秀彩儿】跳个舞吧 05:58video【麦秀彩儿】跳个舞吧-0558.mp4写入文件完毕video_url-------- https://huya-w10.huya.com/2005/264956230/1300/97fa603f7b174ec30c19013f894bd108.mp4 轩子小剧场：你的女仆请签收 01:18 Process finished with exit code -1

都可以正常播放。。。

切记：自己娱乐下练练手删了即可，千万不要用于商业用途哦！

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持好吧啦网。