Python爬虫【批量】抓取某动态壁纸网站的视频

1 篇文章 0 订阅
1 篇文章 0 订阅

1.使用说明:

1.爬取的网站:某动态壁纸网站(网址见文章底部)

2.爬取的内容:视频

3.使用方法:新建spider.py文件,将下面代码拷贝到spider.py里,用pycharm打开spider.py右键运行,等待即可

4.保存位置:在spider.py文件同级目录下,新建html和movie两个文件夹

                       爬取的html保存在html文件夹里
                       爬取的视频保存在movie文件夹里

2.代码:

# -*- coding:utf-8 -*- #
import re
import requests
import time


class Spider(object):
    def __init__(self):
        self.headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko"}
        self.start_page = int(input('请输入抓取起始页【301-59998】:'))
        self.end_page = int(input('请输入抓取结束页【301-59998】:'))

    def send_request(self, url):
        response = requests.get(url, headers=self.headers)
        data = response.content
        return data

    def save_html(self, data):
        file_path = 'html/' + "upupoo.html"
        with open(file_path, 'ab+') as f:
            html = f.write(data)
        return html

    def get_mp4(self):
        with open('html/' + "upupoo.html", 'rb') as f:
            html = f.read().decode('utf-8')
        re_mp4 = re.compile(r"http.*.mp4")
        mp4_list = re_mp4.findall(html)
        mp4_list = list(set(mp4_list))
        print('******接下来将会抓取【%d】个视频******' % len(mp4_list))

        filename = 1
        for mp4url in mp4_list:
            file_path = 'movie/' + "%d.mp4" % filename
            data = self.send_request(mp4url)
            with open(file_path, 'wb') as f:
                f.write(data)
            print('恭喜,%d.mp4 已抓取成功!' % filename)
            filename += 1

    def run(self):
        try:
            for page in range(self.start_page, self.end_page + 1):
                data = self.send_request('http://wallpaper.upupoo.com/store/paperDetail-18000' + '%05d' % page + '.htm')
                self.save_html(data)
            print('******Upupgo网站html已成功抓取******')
        except:
            pass
        self.get_mp4()


if __name__ == '__main__':
    start_time = time.time()
    Spider().run()
    end_time = time.time()
    final_time = end_time - start_time
    print('抓取用时{}秒'.format(final_time))

爬取的网站地址http://wallpaper.upupoo.com/store/search--0-0-0-1.htm

  • 4
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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