二次元，动漫你喜欢吗？用Python爬取了1T的动漫送给你！临时加2T内存条！(2)

爬取目标

---

工具使用

---

开发工具：pycharm

开发环境：python3.7， Windows10

使用工具包：requests，lxml， re，tqdm

重点学习内容

---

正则的使用 tqdm的使用 各种音频数据的处理

项目思路解析

---

搜索你需要的动漫数据，根据自己需要的视频不同解析视频的方法也是不一样的（会挑选两种视频进行解析）

在当前页面需要提取出对应的章节信息，获取到章节信息的a标签的跳转内容，提取出每个章节的名字，提取章节的方法我使用的xpath的方法（各位大佬可自行尝试其他的方法）

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36’,

‘Referer’: ‘http://www.imomoe.la/search.asp’

}

​

url = ‘http://www.imomoe.la/view/8024.html’

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

print(response.content.decode(‘gbk’))

html_data = etree.HTML(response.content.decode(‘gbk’))

chapter_list = html_data.xpath(‘//div[@class=“movurl”]/ul/li/a/text()’)

chapter_url_list = html_data.xpath(‘//div[@class=“movurl”]/ul/li/a/@href’)[0]

url的数据需要自行拼接，根据新的url获取详情页面的数据

按照正常思路首先应该查看播放地址是否为静态数据

明显看出数据并不是静态数据，在区分是否为动态数据，通过抓包工具进行获取。

也并不是动态数据，媒体数据也不知道怎么形成的。

从头在来从前端页面在进行解析，找视频页面的事件。

并没有发现有效数据，但是在iframe下面的Script标签有js跳转地址 ，解析的数据网址和视频的播放地址是一样的域名， 点击查看， 这不是就是我们找的视频播放地址嘛 ，终于找到了，开始实现 在当前页面通过xpath方式提取出script里的js跳转地址， 拼接出新的视频链接播放地址，发送请求，通过正则表达式提取出所有MP4播放地址。 

new_url = ‘http://www.imomoe.la’ + chapter_url_list

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

html = etree.HTML(response.content.decode(‘gbk’))

​

data_url = ‘http://www.imomoe.la’ + html.xpath(‘//div[@class=“player”]/script[1]/@src’)[0]

res = requests.get(data_url, headers=headers).text

print(res)

play_url_list = re.findall(‘\$(.*?)\$flv’, res)

print(play_url_list)

保存对视频数据发送请求，保存数据到mp4 ，通过tqdm工具能查看对应下载的速度以及下载的进度

for chapter, play_url in tqdm(zip(chapter_list, play_url_list)):

result = requests.get(play_url, headers=headers).content

f = open(‘终末的女武神/’ + chapter + ‘.mp4’, “wb”)

f.write(result)

​到这大功告成 但是当我把网址修改成斗破苍穹这个动漫时，却返回的数据为空

这个视频的加载数据的规则是不一样的加载的数据为m3u8的格式， 其他的音频的数据加载可能也不一样， 处理m3u8的数据稍稍的有丢丢复杂，它的m3u8的文件内部有嵌套了m3u8链接地址， 需要转换对应的数据接口，进行链接地址拼接， 取出ts文件进行下载，拼接成视频。

m3u8_url_list = re.findall(‘\$(.*?)\$bdhd’, res)

for m3u8_url, chapter in zip(m3u8_url_list, chapter_list):

data = requests.get(m3u8_url, headers=headers)

print(data.text)

new_m3u8_url = ‘https://cdn.605-zy.com/’ + re.findall(‘/(.*?m3u8)’, data.text)[0]

print(new_m3u8_url)

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！