python视频下载项目_项目实战：爬短视频并下载视频

这两天看到别人用Python下载视频，于是我也来试一下平时总是喜欢看内涵段子。这里正好有内涵视频:http://neihanshequ.com/video/

github源码地址：https://github.com/pythonchannel/python27/blob/master/dyamic/download_video

打开网址：http://neihanshequ.com/video/

开始分析：

数据方式 按下F12 可以看到 Network中 response返回的数据都是用html渲染好的，所以这样的数据，你没有办法直接获取到他的数据，你只能通过他对应的实际网址来抓取你需要的数据

视频字段 再分析网页源代码，可以找到视频对应的地址，获取把地址拿出来放到迅雷中下载，然后发现可以果然可以播放，这说明这个地址是没有错误的

获取视频细节 点击播放视频可以获得视频的大小，这样我们可以在下载的时候知道下载进度.

获取更多数据 因为这里请求的数据只能通过往下拉，点击可以获取到更多数据，这里就必须要用到Selenium来模拟点击.

分析完毕，开始上代码了(环境是py2.7):

# coding:utf-8

import datetime

import os

import threading

import time

from contextlib import closing

import requests

from lxml import etree

from selenium import webdriver

from selenium.webdriver.common.by import By

from selenium.webdriver.support.ui import WebDriverWait

from selenium.webdriver.support import expected_conditions as EC

class VideoDown(object):

def __init__(self):

self.first_position = 0

self.count = 0

self.threads = []

self.content = []

def load_data(self):

video_url = 'http://neihanshequ.com/video/'

driver = webdriver.Firefox() # 获取浏览器驱动

driver.maximize_window()

driver.implicitly_wait(10) # 控制间隔时间等待浏览器反映

driver.get(video_url)

while True:

try:

WebDriverWait(driver, 10).until(EC.visibility_of_element_located((By.ID, 'loadMore')))

except Exception as e:

print e.message

break

js = 'window.scrollTo(0,document.body.scrollHeight)'

driver.execute_script(js)

time.sleep(10)

source = etree.HTML(driver.page_source)

divs = source.xpath('//*[@id="detail-list"]/li')

for div in divs:

self.count = self.count + 1

print '第{}条数据'.format(str(self.count))

title = div.xpath('./div/div[2]/a/div/p/text()')

v_url = div.xpath('.//*[@class="player-container"]/@src')

title = title[0] if len(title) > 0 else '无介绍'.format(str(self.count))

v_url = v_url[0] if len(v_url) > 0 else ''

self.do_thread(title, v_url)

try:

load_more = WebDriverWait(driver, 10).until(EC.visibility_of_element_located((By.ID, 'loadMore')))

load_more.click()

time.sleep(10)

except Exception as e:

print e.message

break

def do_thread(self, title, url):

t = threading.Thread(target=self.down_video, args=(title, url))

self.threads.append(t)

t.start()

for tt in self.threads:

tt.join()

def down_video(self, title, url):

try:

with closing(requests.get(url, stream=True)) as response:

print url

chunk_size = 1024

content_size = int(response.headers['content-length'])

video_path = u'D:/store/video00'

# 判断文件夹是否存在。

if not os.path.exists(video_path):

os.makedirs(video_path)

file_name = video_path + u'/{}.mp4'.format(self.count)

if os.path.exists(file_name) and os.path.getsize(file_name) == content_size:

print(u'跳过' + file_name)

else:

down = DownProgress(title, content_size)

with open(file_name, "wb") as f:

for data in response.iter_content(chunk_size=chunk_size):

f.write(data)

down.refresh_down(len(data))

except Exception as e:

print e.message

class DownProgress(object):

def __init__(self, file_name, file_size):

self.file_name = file_name

self.file_down = 0

self.file_size = file_size

def refresh_down(self, down):

self.file_down = self.file_down + down

progress = (self.file_down / float(self.file_size)) * 100.0

status = u'下载完成' if self.file_down >= self.file_size else u'正在下载...'

print u'文件名称:{},下载进度:{},下载状态:{}'.format(self.file_name, '%.2f' % progress, status)

if __name__ == '__main__':

startTime = datetime.datetime.now()

down = VideoDown()

down.load_data()

endTime = datetime.datetime.now()

print '下载花费时间{}秒'.format((endTime - startTime).seconds)

最后发现一个比较奇怪的现象，为啥我下载的内容每一页是重复的呢？查了好久没有查到原因!,如果有发现原因请留言!

推荐两个团队技术号

Github研习社:

目前是由国内985博士，硕士组成的团体发起并运营，主要分享和研究业界开源项目，学习资源，程序设计，学术交流。

回复就无套路送你一份自学大礼包。

机器学习研习社目前是由国内985博士，硕士组成的团体发起并运营。主要分享和研究机器学习、深度学习、NLP 、Python，大数据等前沿知识、干货笔记和优质资源。

回复就无套路送你一份机器学习大礼包。

如果你觉得文章有帮助，点个“好看”