爬虫练习题（二）

•  博主链接：张立梵的爬虫开端
• 个人介绍：小编大一视传在读，目前即将大二
• 欢迎大家对文章 关注、点赞、收藏

最近小伙伴问我有什么刷题网站推荐，我在这里推荐一下牛客网，这里面包含各种题库，全都是免费的题库，可以全方面提升你的数据操纵逻辑，提升编程实战技巧，赶快来一起刷题吧牛客网笔试题库|面试经验

题目：利用referer防盗链参数反爬数据，以梨视屏为例

1.携带referer参数

2.把视屏下载保存到本地

打开视屏，抓他的包，要求要有referer防盗链的视屏

防盗链式记录从哪个地址跳转过来的？有些会携带，有些会不携带，服务器会根据这个检查，一旦核验，同样也会视为爬虫自动化程序，所以我们要携带这个参数

headers = {
	'referer':'https://www.pearvideo.com/video_1766981'
	'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.5060.114 Safari/537.36 Edg/103.0.1264.49'
}

只向 request url 发起请求，只会返回源代码，就是 HTML 文件，不是视频数据，一般音视频都在媒体，也就是 media 里，好看视频可以在，数据包里显示视频信息，她的 request url 对应的就是视频，点开就能打开，其实梨视频也是一样的

用字符串切片，并且可以以符号'_'分割，split 是分割，rsplit，也是分割方向是从右向左，这样可以把链接最后的数字拿下来，因为唯一变得一串数字是指定视频的位置，不同的数字串指定的是不同的视频，所以是个变量

以上海人的吃瓜自由奋斗史为例

https://xie.infoq.cn/link?target=https%3A%2F%2Fwww.pearvideo.com%2Fvideo_1763204

import requests
work = input('视频url：')
# work = 'https://www.pearvideo.com/video_1763204'
# print(work.split('_')[-1])     导出最后一串数字
z_f = work.split('_')[-1]

我们第一步，首先找链接相同的部分，看看不同的部分有没有什么规律？但很显然，貌似并没有什么规律

我们先复制链接，粘贴到 py charm 上，复制 1 到 2 个链接，查看一下有没有什么规律？我们发现中间有一部分是有区别的，但是并不能看出它有什么规律

我们可以在元素里定位视频，也会有一个 src 参数能拿到链接，可以把这个链接与第二个链接进行对比，发现是一模一样的，在元素面板中就可以看到 URL，那么直接对 URL 发起请求，能不能得到这个 URL？我们可以在网页源码中用快捷键 ctrl+c,ctrl+f,ctrl+v,查找一下这个链接，我们发现没有搜索结果，也就是说，没有数据，因为这个数据是动态数据，所以我们直接在手页面发起请求是无法获得 MP4 文件的

如果在主页面响应内容里没有找到数据，但我们能在哪里查看呢？可以在 XHR 里面筛选

这是通过两种方法获得的 URL

所以接下来就要满足用户输入这个网址

在 XHR 里复制的链接是不完整的，在源码中找到并与 XHR 链接比较，补全缺失

发现有部分不一致，我们更改不一致的地方

比较两个视频，我们可以发现都是 cont 开头，那么接下来就是找数字的规律了

搜索数字在搜索栏中也可以看到

所以我们要在其他视频上找到缺失的部分

XHR：https://video.pearvideo.com/mp4/adshort/20220524/1657541705071-15884803_adpkg-ad_hd.mp4

视频：https://video.pearvideo.com/head/20220524/cont-1763204-15884893.mp4

能够得到这个网址

https://video.pearvideo.com/mp4/adshort/20220531/cont-1763997-15888808_adpkg-ad_hd.mp4

https://video.pearvideo.com/mp4/adshort/20220524/cont-1763204-15884803_adpkg-ad_hd.mp4

根据上面得到的数字串，拼接新的 url，就是把 1763204 改为 z_f

url = f'https://www.pearvideo.com/videoStatus.jsp?contId={z_f}&mrd=0.23732164285745694'

打印验证

URL 是一模一样的，但是为什么会出现上面的问题呢？手动复制 URL 就没有网页，可能是 referer 反爬

import requests
work = input('视频url：')
# work = 'https://www.pearvideo.com/video_1763204'
# print(work.split('_')[-1])     导出最后一串数字
z_f = work.split('_')[-1]
 
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.5060.114 Safari/537.36 Edg/103.0.1264.49',
    'Referer': 'https://www.pearvideo.com/video_1763204'
}
url = f'https://www.pearvideo.com/videoStatus.jsp?contId={z_f}&mrd=0.23732164285745694'
print(url)
 
 
 
解释数据：
E:\01_python\venv\Scripts\python.exe E:/01_python/反爬.py
视频url：https://www.pearvideo.com/video_1763204
https://www.pearvideo.com/videoStatus.jsp?contId=1763204&mrd=0.23732164285745694
 
进程已结束,退出代码0

接下来就是获取数据

import requests
work = input('视频url：')
z_f = work.split('_')[-1]
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.5060.114 Safari/537.36 Edg/103.0.1264.49',
    'Referer': f'https://www.pearvideo.com/video_{z_f}'
}
url = f'https://www.pearvideo.com/videoStatus.jsp?contId={z_f}&mrd=0.23732164285745694'
print(url)
response = requests.get(url,headers=headers)
print(response.text)
 
 
 
解释数据：
E:\01_python\venv\Scripts\python.exe E:/01_python/反爬.py
视频url：https://www.pearvideo.com/video_1765616
https://www.pearvideo.com/videoStatus.jsp?contId=1765616&mrd=0.23732164285745694
 
{
	"resultCode":"1",
	"resultMsg":"success", "reqId":"b1c73e26-99f2-4393-9f7e-6d6c12aeaef1",
	"systemTime": "1657550407682",
	"videoInfo":{"playSta":"1","video_image":"https://image.pearvideo.com/cont/20220617/cont-1765616-12687510.jpeg","videos":{"hdUrl":"","hdflvUrl":"","sdUrl":"","sdflvUrl":"","srcUrl":"https://video.pearvideo.com/mp4/adshort/20220617/1657550407682-15897269_adpkg-ad_hd.mp4"}}
}
 
 
进程已结束,退出代码0

json 可以转为字典格式

li_fan = response.json()['videoInfo']['videos']['srcUrl']
li_fan = li_fan.replace(li_fan.rsplit('/',1)[-1].split('-',1)[0],f'cont-{z_f}')
with open('视屏.mp4','wb')as f:
    f.write(requests.get(li_fan).content)

所以这题整体代码为

import requests
work = input('视频url：')
z_f = work.split('_')[-1]
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.5060.114 Safari/537.36 Edg/103.0.1264.49',
    'Referer': f'https://www.pearvideo.com/video_{z_f}'
}
url = f'https://www.pearvideo.com/videoStatus.jsp?contId={z_f}&mrd=0.23732164285745694'
print(url)
response = requests.get(url,headers=headers)
print(response.text)
li_fan = response.json()['videoInfo']['videos']['srcUrl']
li_fan = li_fan.replace(li_fan.rsplit('/',1)[-1].split('-',1)[0],f'cont-{z_f}')
with open('视屏.mp4','wb')as f:
    f.write(requests.get(li_fan).content)
 
 
 
 

解析结果：

E:\01_python\venv\Scripts\python.exe E:/01_python/反爬.py
视频url：https://www.pearvideo.com/video_1765616
https://www.pearvideo.com/videoStatus.jsp?contId=1765616&mrd=0.23732164285745694
 
{
	"resultCode":"1",
	"resultMsg":"success", "reqId":"d52fda1d-ad5b-46c5-a151-d062b789e371",
	"systemTime": "1657554157561",
	"videoInfo":{"playSta":"1","video_image":"https://image.pearvideo.com/cont/20220617/cont-1765616-12687510.jpeg","videos":{"hdUrl":"","hdflvUrl":"","sdUrl":"","sdflvUrl":"","srcUrl":"https://video.pearvideo.com/mp4/adshort/20220617/1657554157561-15897269_adpkg-ad_hd.mp4"}}
}
 
 
进程已结束,退出代码0

这样一个视屏就爬到手了，此题代码可使用于梨视屏，其他网站需要进一步分析重新搭建

切记 referer 参数可以用于反爬

大家一起来牛客刷题吧！