爬虫的深度爬取

爬虫的深度爬取和爬取视频的方式

  • 深度爬取豆瓣读书

  • import time
    import fake_useragent
    import requests
    from lxml import etree
    head = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0"
    }
    if __name__ == '__main__':
        # 1、url
        url = "https://book.douban.com/tag/%E4%BA%92%E8%81%94%E7%BD%91"#url地址
        # 2、发送请求
        resp = requests.get(url, headers=head)
        time.sleep(5)
        # 3、获取想要的数据
        res_text = resp.text#获得html形式的数据
        # 4、数据解析
        tree = etree.HTML(res_text)#将html转化为元素形式
        a_list = tree.xpath("//ul[@class='subject-list']/li/div[2]/h2/a")
        for a in a_list:
            time.sleep(3)
            # 1、url
            book_url = "".join(a.xpath("./@href"))#里面的网页的url
            # 2、发送请求
            book_res = requests.get(book_url, headers=head)
            # 3、获取想要的信息
            book_text = book_res.text
            # 4、数据解析
            book_tree = etree.HTML(book_text)
            book_name = "".join(book_tree.xpath("//span[@property='v:itemreviewed']/text()"))
            author = "".join(book_tree.xpath("//div[@class='subject clearfix']/div[2]/span[1]/a/text()"))
            publish = "".join(book_tree.xpath("//div[@class='subject clearfix']/div[2]/a[1]/text()"))
            y = "".join(book_tree.xpath("//span[@class='pl' and text()='出版年:']/following-sibling::text()[1]"))
            page = "".join(book_tree.xpath("//span[@class='pl' and text()='页数:']/following-sibling::text()[1]"))
            price = "".join(book_tree.xpath("//span[@class='pl' and text()='定价:']/following-sibling::text()[1]"))
            bind = "".join(book_tree.xpath("//span[@class='pl' and text()='装帧:']/following-sibling::text()[1]"))
            isbn = "".join(book_tree.xpath("//span[@class='pl' and text()='ISBN:']/following-sibling::text()[1]"))
            print(book_name, author, publish, y, page, price, bind, isbn)
        pass
    
  • 代码思路

  • 在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/1769d142fe7f40c1b401416884ba93ec.jpeg#pic_center
在这里插入图片描述

  • B站爬取视频

    # requests 请求b站视频
    import json
    import fake_useragent
    import requests
    from lxml import etree
    if __name__ == '__main__':
        # UA伪装
        head = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0"
            # 防盗链
            , "Referer": "https://www.bilibili.com/"#必须有
            ,
            "Cookie": "这里是登录要求,输入个人的登录信息"
        }
        # 1、指定url
        url = "https://www.bilibili.com/video/BV12z421z75d/?spm_id_from=333.1007.tianma.2-1-4.click&vd_source=4b1ef23e5d47e143cfb702705740719d"
        # 2、发送请求
        response = requests.get(url, headers=head)
        # 3、获取响应的数据
        res_text = response.text
        # 4、数据解析
        tree = etree.HTML(res_text)
        with open("b.html", "w", encoding="utf8") as f:
            f.write(res_text)
        base_info = "".join(tree.xpath("/html/head/script[4]/text()"))[20:]#b站固定的位置html/head/script[4],前面的不需要,只有括号里的字符串有用所有取20以后的
        info_dict = json.loads(base_info)
        video_url = info_dict["data"]["dash"]['video'][0]["baseUrl"]#视频
        audio_url = info_dict["data"]["dash"]['audio'][0]["baseUrl"]#音频
        video_content = requests.get(video_url, head).content#和图片一样采用content
        audio_content = requests.get(audio_url, head).content
        with open("video.wmv", "wb") as f:#以二进制的形式
            f.write(video_content)
        with open("audio.mp4", "wb") as fp:
            fp.write(audio_content)
    
        pass
    
  • 代码思路

  • 在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

  • 9
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值