python爬虫脚本入门-通过电影脚本讲些爬虫知识

 爬虫目的

实现对各大视频网站vip电影的下载，因为第三方解析网站并没有提供下载的渠道，因此想要实现电影的下载。

实现思路

1. 选择一个合适的vip解析网站，这里选择了无名小站的接口，因为尝试了很多网站，有些网站想要爬取很困难，无名小站相对简单,接口为www.wmxz.wang/video.php?url=[xx电影的链接]
2. 利用Fiddler进行抓包，模拟浏览器发送post请求,获取电影实际下载地址。
3. 使用PyQt5进行包装，实现多样化的功能。

页面分析

我使用Fiddler抓包，首先，浏览器进入接口，这里随便加一个电影的链接，然后来看post请求:

我们已经知道了提交post请求的url，箭头所指的地方是提交的表单，里面的url就是我们要下载电影的ur，出现%3F这些是因为将url编码为了ASCII码，这里可能使用urllib对其进行解析，很简单；vkey需要我们获取，其实它就藏在Post请求之前get请求返回的页面中，vkey是动态变化的，每一次都不一样。红线部分是服务器返回的信息，前几天我爬取的时候里面的url还是电影的下载链接，现在变成了一个m3u8文件，里面的网址也是编码后的，我们需要用urllib进行解码，我们手动打开https://youku.cdn2-okzy.com/20200408/8808_23a9c669/index.m3u8看看里面的内容，下载后打开

发现里面并没有我们想要的ts文件，但是在文件中有一行1000k/hls/index.m3u8，也是以m3u8为后缀的，使用前面的url与文件中的部分地址拼接，结果为: https://youku.cdn2-okzy.com/20200408/8808_23a9c669/1000k/hls/index.m3u8，再次用浏览器手动打开，下载内容后发现里面是一个个ts文件，最后将ts文件下载后拼接即可(因为我爬的时候还是电影链接，写博客时发现改了，所以拼接方法我也不会，网上应该容易找到)。

下面我们只要获取vkey就可以得到这些ts文件地址了，我们向前看，找返回内容有vkey的get请求:

对比发现和post请求中的vkey一样，接下来就可以开始编写代码了。

代码实现

获取vkey，从上面的分析我们可以知道，get请求的网址为
https://www.administratorm.com/WANG.WANG/index.php?url=[要下载的xx电影]
我采用输入链接的方式来拼接get请求要访问的url，顺便使用urllib库将输入链接编码，方便后面的post请求使用

headers1 = {
      'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36',
      'Referer':'无名小站'
      }
 
headers2 = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36'}
#定义接口链接
api_url = 'https://www.administratorm.com/WANG.WANG/Api.php'
input_url = input("请输入电影url链接:")
print("请稍等!")
get_key_url = '无名小站
parsed_url = parse.quote(input_url,safe='')

这里创建一个会话，会话是用于服务器记录用户身份的，然后就是发送get请求，获取网页源码，然后使用re匹配到vkey的内容，这里要注意的是get请求中的verify=False参数，其实我也不太明白，是一些网站有SSl认证，加了这个参数就可以跳过认证，加了此参数可能会有很多警告，使用 logging.captureWarnings(True) 设置不显示警告。

sess = requests.session()
vkey = get_key(sess,get_key_url)
 
def get_key(sess,get_key_url):
  logging.captureWarnings(True)
  response = sess.get(get_key_url,headers=headers1,verify=False)
  response.encoding=response.apparent_encoding
  content = response.text
  vkey = re.findall('vkey.*?\'(.*?)\'',content)[0]
  return vkey

制作表单，获取了vkey后，我们就可以制作提交post请求的表单了，代码很简单，就不做介绍了。

datas = make_dataform(parsed_url,vkey)
def make_dataform(parsed_url,vkey):
  datas = {
      'url':parsed_url,
      'wap':'0',
      'ios':'0',
      'vkey':vkey,
      'type':''
   
    }
  return datas

发送post请求，这里再次说明，由于我原来post请求返回的信息是电影下载地址，所以我获得的url是下载地址，现在再提交post请求获得的是m3u8文件。

download_url = post(sess,datas)
def post(sess,datas):
  response = sess.post(api_url,headers=headers2,data=datas)
  response.encoding=response.apparent_encoding
  u = json.loads(response.text)
  return u['url']

下载电影,由于链接不同，我就把我下载电影的代码放到这里，做个参考。

down_load(sess,download_url)
def down_load(sess,download_url):
  print("正在准备下载电影")
  response = requests.get(download_url,headers=headers2,verify=False)
  total_size = response.headers['Content-Length']
  print("将要下载的电影大小:{}MB".format(round(int(total_size)/1024/1024,2)))
  batch_size = int(total_size)//100
  #返回迭代器：是将二进制流按大小分割之后的
  k = input("请输入文件路径(C/D):")
  filename = input("请输入保存文件名:")
  with open(r"{}:/电影/".format(k)+filename+".mp4",'wb') as f:
    i = 0
    for content in response.iter_content(chunk_size=batch_size):
      f.write(content)
      print('\r','#'*i+' 已下载{}%'.format(i),end='\r',flush=True)
      i += 1
    print("下载成功")

  知道你对python感兴趣，所以给你准备了下面的资料~

 这份完整版的Python完整源码已经上传，朋友们如果需要可以点击链接免费领取或者滑到最后扫描二v码加我耗油【保证100%免费】