• python驾到~障碍通通闪开，美女批量入内存~

    前言

    嗨喽~大家好呀，这里是魔王呐 !

    又是普普通通采集美女得一天啊~

    目录

    环境使用:

    • Python 3.8

    • Pycharm

    • 谷歌浏览器

    • 谷歌驱动

    模块使用:

    • requests >>> pip install requests

    • re

    • json

    • selenium >>> pip install selenium==3.141.0 <需要浏览器和浏览器驱动>

    安装python第三方模块:

    1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车

    2. 在pycharm中点击Terminal(终端) 输入安装命令

    如何配置pycharm里面的python解释器?

    1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)

    2. 点击齿轮, 选择add

    3. 添加python安装路径

    pycharm如何安装插件?

    1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)

    2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese

    3. 选择相应的插件点击 install(安装) 即可

    4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效

    思路分析

    先采集一个视频内容 —> 采集这个视频博主所有视频内容

    如何实现案例: 流程思路 <通用模板>

    一. 数据来源分析:

    1. 明确需求:

      采集那个网站上面什么数据内容 —> 1. 视频标题 2. 视频播放链接

    2. 通过开发者工具进行抓包分析, 分析数据所在地方

      • F12 或者 鼠标右键点击检查选择network 刷新网页 —> 为了让本网页相关数据内容, 重新加载一遍

      • 找视频播放链接在什么地方 —> 找media

      • 已知 视频播放链接 —> 分析这个视频播放链接在什么可以得到

      通过搜索分析, 可以找到视频数据来源, 但是链接是转码了 <代码实现时候, 提取出来, 然后进行解码就可以了>

    二. 代码实现步骤过程

    1. 发送请求, 模拟浏览器对于url地址发送请求

    2. 获取数据, 获取服务器返回响应数据

      开发者工具里面 response

    3. 解析数据, 提取我们想要数据内容

      • 视频链接

      • 视频标题

    4. 保存数据, 把视频内容保存本地文件夹

    批量采集代码

    导入数据请求模块

    第三方模块 需要在cmd里面或者pycharm终端里面进行安装 pip install requests

    import requests
# 导入正则  内置模块 不需要安装
import re
# 导入json模块  内置模块 不需要安装
import json
# 导入格式化输出模块 内置模块 不需要安装
from pprint import pprint
# 自动化测试模块
from selenium import webdriver
# 导入时间模块
import time

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    “”"

    发送请求, 模拟浏览器对于url地址发送请求

    • 表示响应对象

      对于url地址 请求成功, 但是不代表你一定得到数据

    • 为什么没有得到我们想要数据内容

      当我们被服务器识别出来是爬虫程序的时候, 我可能得不到数据, 或者得到数据不是我们想要的

    selenium 模拟人的行为去操作浏览器, 获取所有视频ID

    定位元素获取视频播放页url地址

    selenium —> 浏览器驱动谷歌 —> 浏览器谷歌

    “”"

    打开浏览器 实例化浏览器对象 driver 浏览器对象

    driver = webdriver.Chrome()

    • 1

    输入网址, 访问网站

    因为代码里有链接，不给过的，所以我只能截个图展示一下，你们可以根据下方图片添加完整哦~

    或点击 蓝色字体 领取完整源码，我都放在这里了。

    滑动页面,让网页加载所有视频内容 selenium 去执行js代码

    def drop_down():
    """执行页面滚动的操作 自定义函数"""  # javascript
    for x in range(1, 30, 4):  # 1 3 5 7 9  在你不断的下拉过程中, 页面高度也会变的
        time.sleep(1)
        j = x / 9  # 1/9  3/9  5/9  9/9
        # document.documentElement.scrollTop  指定滚动条的位置
        # document.documentElement.scrollHeight 获取浏览器页面的最大高度
        js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j
        driver.execute_script(js)

# 调用函数 实现网页自动下滑操作
drop_down()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12

    通过元素定位 通过 css 选择器查找元素 所有li标签

    lis = driver.find_elements_by_css_selector('.Eie04v01')
if lis:
    pass
else:
    lis = driver.find_elements_by_css_selector('.ECMy_Zdt')
# for循环遍历
for li in lis:
    try:
        time.sleep(1)
        # 通过 css 选择器查找元素 具体哪一个标签里的数据内容
        url = li.find_element_by_css_selector('a').get_attribute('href')
        print(url)

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12

    确定请求url地址

            # 伪装 模拟浏览器 --> headers 请求头 <开发者工具里面进行复制粘贴>
        headers = {
            # user-agent 用户代理 表示浏览器基本身份信息
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
        }

    • 1
    • 2
    • 3
    • 4
    • 5

    发送请求

            response = requests.get(url=url, headers=headers)

    • 1

    “”"
    获取数据, 获取服务器返回响应数据

    开发者工具里面 response —> response.text

    解析数据, 提取我们想要数据内容

    • 视频链接

    • 视频标题

    正则re提取数据内容

    调用re模块findall方法 --> 找到我们想要的数据内容

    re.findall(‘什么数据’, ‘什么地方’)

    从什么地方, 去找什么样的数据内容

    从 response.text 里面 去找 (.*?) 其中(.*?) 这段是我们要的数据

    print(json_data) --> 打印字典数据 返回一行数据内容

    pprint(json_data) --> 打印字典数据 返回多行数据内容 展开效果

    字典数据提取内容

    键值对取值 —> 根据冒号左边的内容[键], 提取冒号右边的内容[值]

    “”"

    提取标题

            title = re.findall('(.*?)', response.text)[0]
        # 提取视频信息
        video_info = re.findall('