Python爬取入门教程19：YY短视频的爬取

相关模块的使用💨

---

import os

import requests

安装Python并添加到环境变量，pip安装需要的相关模块即可。

一、💥确定目标需求

---

百度搜索YY，点击分类选择小视频，里面的小姐姐自拍的短视频就是我们所需要的数据了。

二、网页数据分析

---

网站是下滑网页之后加载数据，在上篇关于好看视频的爬取文章中已经有说明，YY视频也是换汤不换药。

如图所示，所框选的url地址，就是短视频的播放地址了。

数据包接口地址：

https://api-tinyvideo-web.yy.com/home/tinyvideosv2?callback=jQuery112409962628943012035_1613628479734&appId=svwebpc&sign=&data=%7B%22uid%22%3A0%2C%22page%22%3A1%2C%22pageSize%22%3A10%7D&_=1613628479736

第二页的数据请求参数：

第三页的数据请求参数：

很明显这是根据data参数中的page改变翻页的。

构建翻页循环，获取视频url地址以及发布人的名字，保存到本地。

三、💥代码实现

---

1、请求数据接口

import requests

url = ‘https://api-tinyvideo-web.yy.com/home/tinyvideosv2’

params = {

‘callback’: ‘jQuery112409962628943012035_1613628479734’,

‘appId’: ‘svwebpc’,

‘sign’: ‘’,

‘data’: ‘{“uid”:0,“page”:0,“pageSize”:10}’,

‘_’: ‘1613628479737’,

}

headers = {

‘user-agent’: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36’

}

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

问题来了，返回的数据是json数据嘛？

如上图所示，很多人看到这样的数据肯定就觉得这不就是一个json数据嘛？

JSONDecodeError： json解码错误，它并不是有一个json数据，而是字符串。

通过response查看就知道了，返回给我们的数据是多了一段 jQuery112409962628943012035_1613628479734()

其中的json数据是包含在里面的，如果想要提取数据有三种方法。

1、返回response.text，使用正则表达式提取url地址以及发布人的名字

video_url = re.findall(‘“resurl”:“(.*?)”’, response.text)

user_name = re.findall(‘“username”:“(.*?)”’, response.text)

2、返回response.text，使用正则表达式提取 jQuery112409962628943012035_1613628479734() 中的数据，然后通过json模块把字符串转成json数据，然后遍历提取数据。

string = re.findall(‘jQuery112409962628943012035_1613628479734((.*?))’, response.text)[0]

json_data = json.loads(string)

result = json_data[‘data’][‘data’]

pprint.pprint(result)

3、把请求的url地址中的 callback 删掉，可以直接获取json数据

import pprint

import requests

url = ‘https://api-tinyvideo-web.yy.com/home/tinyvideosv2’

params = {

‘appId’: ‘svwebpc’,

‘sign’: ‘’,

‘data’: ‘{“uid”:0,“page”:1,“pageSize”:10}’,

‘_’: ‘1613628479737’,

}

headers = {

‘user-agent’: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36’

}

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

json_data = response.json()

result = json_data[‘data’][‘data’]

pprint.pprint(result)

2、保存数据

for index in result:

video_url = index[‘resurl’]

user_name = index[‘username’]

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

with open(‘video\’ + user_name + ‘.mp4’, mode=‘wb’) as f:

f.write(video_content)

print(user_name)

注意点： 用户名有特殊字符，保存的时候会报错

所以需要使用正则表达式替换掉特殊字符

def change_title(title):

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

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

return new_title

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

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！