前言
嗨喽~大家好呀,这里是魔王呐 !
又是普普通通采集美女得一天啊~
目录
环境使用:
-
Python 3.8
-
Pycharm
-
谷歌浏览器
-
谷歌驱动
模块使用:
-
requests >>> pip install requests
-
re
-
json
-
selenium >>> pip install selenium==3.141.0 <需要浏览器和浏览器驱动>
安装python第三方模块:
-
win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
-
在pycharm中点击Terminal(终端) 输入安装命令
如何配置pycharm里面的python解释器?
-
选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
-
点击齿轮, 选择add
-
添加python安装路径
pycharm如何安装插件?
-
选择file(文件) >>> setting(设置) >>> Plugins(插件)
-
点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
-
选择相应的插件点击 install(安装) 即可
-
安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效
思路分析
先采集一个视频内容 —> 采集这个视频博主所有视频内容
如何实现案例: 流程思路 <通用模板>
一. 数据来源分析:
-
明确需求:
采集那个网站上面什么数据内容 —> 1. 视频标题 2. 视频播放链接
-
通过开发者工具进行抓包分析, 分析数据所在地方
-
F12 或者 鼠标右键点击检查选择network 刷新网页 —> 为了让本网页相关数据内容, 重新加载一遍
-
找视频播放链接在什么地方 —> 找media
-
已知 视频播放链接 —> 分析这个视频播放链接在什么可以得到
通过搜索分析, 可以找到视频数据来源, 但是链接是转码了 <代码实现时候, 提取出来, 然后进行解码就可以了>
-
二. 代码实现步骤过程
-
发送请求, 模拟浏览器对于url地址发送请求
-
获取数据, 获取服务器返回响应数据
开发者工具里面 response
-
解析数据, 提取我们想要数据内容
-
视频链接
-
视频标题
-
-
保存数据, 把视频内容保存本地文件夹
批量采集代码
导入数据请求模块
第三方模块 需要在cmd里面或者pycharm终端里面进行安装 pip install requests
import requests
# 导入正则 内置模块 不需要安装
import re
# 导入json模块 内置模块 不需要安装
import json
# 导入格式化输出模块 内置模块 不需要安装
from pprint import pprint
# 自动化测试模块
from selenium import webdriver
# 导入时间模块
import time
“”"
发送请求, 模拟浏览器对于url地址发送请求
-
<Response [200]> 表示响应对象
对于url地址 请求成功, 但是不代表你一定得到数据
-
为什么没有得到我们想要数据内容
当我们被服务器识别出来是爬虫程序的时候, 我可能得不到数据, 或者得到数据不是我们想要的
selenium 模拟人的行为去操作浏览器, 获取所有视频ID
定位元素获取视频播放页url地址
selenium —> 浏览器驱动谷歌 —> 浏览器谷歌
“”"
打开浏览器 实例化浏览器对象 driver 浏览器对象