Python selenium抓取虎牙短視頻代碼實例

更新時間：2020年03月02日 14:48:53 作者：pfeiliu

這篇文章主要介紹了Python selenium抓取虎牙短視頻代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

今天閑著沒事，用selenium抓取視頻保存到本地，只爬取了第一頁，只要小于等于5分鐘的視頻。。。

為什么不用requests，沒有為什么，就因為有些網站正則和xpath都提取不出來想要的東西，要么就是接口出來的數(shù)據(jù)加密，要么就因為真正的視頻url規(guī)律難找！

selenium幾行代碼輕輕松松就搞定！

安裝selenium庫，設置無界面模式

代碼如下：

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import requests
#設置無界面模式
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 Files\python\Lib\site-packages\selenium\webdriver\chrome\chromedriver.exe",options=chrome_options)#設置無界面模式
    self.driver.get(url)
 
  #程序運行完畢，析構函數(shù)關閉selenium
  def __del__(self):
    print("爬取結束。。。。。",len(VideoCrawl.video_box),VideoCrawl.video_box)
    self.driver.close()
 
  def run(self):
    self.get_detail_info()
  #獲取列表頁所有詳情頁的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'))#獲取視頻頁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:#播放時間小于5分鐘的要
        # print(res[0],"解析的url",playtime)
        self.parse_video(res[0],res[1])
      else:
        pass
  #解析詳情頁
  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)
    #類變量統(tǒng)計video_url
    VideoCrawl.video_box.append(video_url)
  #保存,請求video_url，二進制保存為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}寫入文件完畢")
 
if __name__ == '__main__':
  crawl=VideoCrawl('https://v.huya.com/cat/7')
  crawl.run()

運行結果如下：

"C:\Program Files\python\python.exe" C:/Users/Administrator.SC-201903160419/Desktop/note/exer/myapp.py
video_url-------- https://huya-w10.huya.com/2005/265917310/1300/d973823b0f437c9d78fc40b9691fdb54.mp4 【軒子小劇場】最意外的自行車 04:23
video【軒子小劇場】最意外的自行車-0423.mp4寫入文件完畢
video_url-------- https://huya-w10.huya.com/2006/267302224/1300/f8a363ec243e4adb2857491f695bc118.mp4 軒子巨2兔：軒子教你演戲 05:06
video軒子巨2兔：軒子教你演戲-0506.mp4寫入文件完畢
video_url-------- https://huya-w6.huya.com/2005/264805062/1300/582b726b05db31fc12a1e5557011a6bf.mp4 【麥秀彩兒】跳個舞吧 05:58
video【麥秀彩兒】跳個舞吧-0558.mp4寫入文件完畢
video_url-------- https://huya-w10.huya.com/2005/264956230/1300/97fa603f7b174ec30c19013f894bd108.mp4 軒子小劇場：你的女仆請簽收 01:18
 
Process finished with exit code -1