21年抓取抖音小姐姐最新版教程！最关键的是无水印下载。这还学不会？

import requests # 数据请求 第三方模块 pip install requests

import re # 正则表达式模块

import os # 文件操作模块

import time # 时间模块

from selenium import webdriver # pip install selenium

​自动判断有无文件夹，自动创建，文件夹名字可以自己随便命名，这里我们创建名字为video，这里也可以自己先创建一个相同名字的文件夹放在代码旁边。

filename = ‘video\\’ # 文件名字

if not os.path.exists(filename): # 判断如果没有这个文件夹的话

os.mkdir(filename) # 创建这个文件

很多文件下载下来后名字带有特殊符号的，这时候我们就要把这些特殊符号给替换掉，不然不能保存。

def change_title(title):

pattern = re.compile(r"[\/\\\:\*\?\“\<\>\|\n]”) # ‘/ \ : * ? " < > |’

new_title = re.sub(pattern, “_”, title) # 替换为下划线

return new_title

这一步需要安装好浏览器驱动，selenium 可以模拟人的行为去操作浏览器，模拟滑动操作。自己翻的话，多麻烦是吧。验证码没有写进来，需要自己手动过一下验证码。

def drop_down():

“”“执行页面滚动的操作”“” # javascript

for x in range(1, 30, 4): # 在你不断的下拉过程中, 页面高度也会变的

time.sleep(1)

j = x / 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)

实例化一个浏览器的对象

driver = webdriver.Chrome()

访问url地址网址

driver.get(‘…’)

括号里面的内容替换成你想要爬取的博主，我就不放链接了，免得审核不过。

截个图吧，这里以他为例，具体是谁，懂得都懂。

​​​

​

​

​不，我不懂~

怎么找地址呢，在当前页面链接中把？之前的都复制下来放进括号里面替换掉… 这几个点。

返回的列表 里面元素是对象

lis = driver.find_elements_by_css_selector(‘div._927ae3b0dd790b5b62eae61c7d2fa0bc-scss > div:nth-child(2) > ul li’)

调用 find_element_by_css_selector() 方法

li_url = li.find_element_by_css_selector(‘a’).get_attribute(‘href’)

headers 请求头 伪装作用，user-agent: 浏览器的基本信息。

headers = {

‘user-agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36’

}

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

获取数据 response.text 获取响应体的文本数据

print(response.text)

解析数据 通过 re 正则表达式

正则表达式匹配出来的内容是列表

贪婪模式[我全都要] 非贪婪模式(?)

title = re.findall(‘’, response.text, re.S)[0]

new_title = change_title(title)

返回是列表没问题， [1] 索引取值 第一个元素索引位置是0 第二个元素索引位置 1。

html_data = re.findall(‘src(.*?)vr%3D%2’, response.text)[1]

解码

video_url = requests.utils.unquote(html_data).replace(‘“:”’, ‘http:’)

print(video_url)保存数据，response.content (获取响应体的二进制数据)，为什么我要获取二进制数据呢，如果要保存图片/视频/音频/特定格式的文件，都是二进制数据保存的。 、

video_content = requests.get(url=video_url, headers=headers).content

mode 保存方式， w 是写入， b 二进制模式 ，wb 以二进制方式保存， mode 默认是， r 读取，as 重命名 f。

然后看一下效果

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）