Python爬虫教你爬取视频信息

大家好，我是拉斯，今天分享一个爬取某音视频的一个小案例，大家一起学习

前言

前面已经发布了爬取4k高清图片的示例，大家可以去参考学习;本次使用selenium和request技术，获取所想爬取的数据。
原视频 作者名 作品名 获赞数 评论数 收藏数 转发数

基本环境配置

• 版本：Python3
• 系统：Windows
• 相关模块：selenium，time,requests
• 开发工具：Pycharm

• 爬取目标视频

  获取视频链接

  1.查看网页源代码

  一如既往搜索video标签，发现没有；再搜索video,发现也没有。这时候换思路，用开发者工具.
  
  

  2.抓包工具捕捉

  注:对不起大家，下面这张图三个链接都是可以到原视频的，因此都可以作为第一段代码的url来使用!!!
  

  下载视频(以mp4格式进行保存)

  既然有了视频的链接，就可以直接发起请求进行视频的下载，以mp4格式进行持久化存储

  代码:(requests技术进行视频下载)

  import requests
  
  url="url1" #特别注意:此处url1值为上面图片三个链接中任意一个，会变化所以不写死，大家得到后自行复制到此处
  headers={
      "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36 Edg/109.0.1518.70"
  }
  resp=requests.get(url=url,headers=headers)
  with open("dy1.mp4","wb") as fp:
      fp.write(resp.content)
  print("下载完成")
  

  成果:
  

  获取其他信息并打印(作者名，作品名，获赞数…)

  使用selenium技术进行元素定位，复制xpath，即可使用find_element_by_xpath方法进行内容获取,后面每一个都是这样获取，下面以作者名为例子

  示例(获取作者名)

  抓包工具进行作者名定位，最后右击元素复制对应xpath.
  

  复制xpath:
  

  代码

  from selenium import webdriver
  import time
  from selenium.webdriver.common.keys import Keys
  url="url2" #url2值在评论区获得，因为写上审核不给过
  driver=webdriver.Chrome()
  driver.get(url)
  time.sleep(2)
  writer_name=driver.find_element_by_xpath('//*[@id="video-info-wrap"]/div[1]/div[1]/div[1]/span/span/span/span/span/span/span').text #作者名
  work_name=driver.find_element_by_xpath('//*[@id="video-info-wrap"]/div[1]/div[2]/div/div/span/span/span[1]/span/span/span').text #作品名
  hz_count=driver.find_element_by_xpath('//*[@id="douyin-right-container"]/div[3]/div[4]/div[2]/div[1]/div/div/div[1]/div[2]/div[2]/div/div[2]').text #获赞数量
  comment_count=driver.find_element_by_xpath('//*[@id="douyin-right-container"]/div[3]/div[4]/div[2]/div[1]/div/div/div[1]/div[2]/div[3]/div/div[2]').text #评论数量
  save_count=driver.find_element_by_xpath('//*[@id="douyin-right-container"]/div[3]/div[4]/div[2]/div[1]/div/div/div[1]/div[2]/div[4]/div/div[2]').text #收藏数量
  send_count=driver.find_element_by_xpath('//*[@id="douyin-right-container"]/div[3]/div[4]/div[2]/div[1]/div/div/div[1]/div[2]/div[5]/div[1]/div/div[2]').text #转发数量
  
  print("作者名:",writer_name)
  print("作品名:",work_name)
  print("点赞数量:",hz_count)
  print("评论数量:",comment_count)
  print("收藏数量:",save_count)
  print("转发数量:",send_count)
  

  成果

  

  完结啦