Python采集某网站小视频内容, m3u8内容下载

前言

大家早好、午好、晚好吖~

环境使用:

• Python 3.8

• Pycharm

---

模块使用:

• import requests >>> pip install requests

内置模块 你安装好python环境就可以了

• import re

• import json

---

模块安装问题:

如果安装python第三方模块:

1. 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

2. 在pycharm中点击Terminal(终端) 输入安装命令

安装失败原因:

• 失败一: pip 不是内部命令

  解决方法: 设置环境变量

• 失败二: 出现大量报红 (read time out)

  解决方法: 因为是网络链接超时, 需要切换镜像源

  清华：https://pypi.tuna.tsinghua.edu.cn/simple
  阿里云：https://mirrors.aliyun.com/pypi/simple/
  中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
  华中理工大学：https://pypi.hustunique.com/
  山东理工大学：https://pypi.sdutlinux.org/
  豆瓣：https://pypi.douban.com/simple/

  例如：pip3 install -i https://pypi.doubanio.com/simple/ 模块名

• 失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入

  解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好
  或者你pycharm里面python解释器没有设置好

---

如何配置pycharm里面的python解释器?

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)

2. 点击齿轮, 选择add

3. 添加python安装路径

---

pycharm如何安装插件?

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)

2. 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

3. 选择相应的插件点击 install(安装) 即可

4. 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

---

👇 👇 👇 源码、教程

资料点击 蓝色字体 自取 ，我都放在这里了。

---

如何实现虫案例: <思路流程 --> 通用>

一. 数据来源分析

1. 分析清楚我们想要数据内容, 是在什么地方, 什么样子的

使用开发者工具进行抓包分析: 视频数据以及视频标题

I. F12 或者 右键点击检查选择network 刷新网页

这么多数据包, 我想要视频数据在什么地方?

• M3U8 视频格式: 把整个完整的视频内容, 分为N个视频片段, 每个片段都是几秒钟 <看多少就加载多少>

所有视频片段 <ts文件> 都包含在 m3u8 的文件链接里面

II. 在开发者工具里面 直接搜索m3u8 可以直接找相对应链接地址

继续分析 这个 m3u8 url地址是从哪里过来 在什么地方有

III. 我们想要视频数据 <m3u8链接> 在 网页源代码里面有

获取整个视频内容 —> 分为N个视频片段<ts文件> —> 在m3u8链接里面 —> 视频播放详情页网页源代码里面

二. 代码实现步骤:

1. 发送请求, 模拟浏览器对于视频播放详情页url发送请求

2. 获取数据, 获取服务器返回响应数据
   开发者工具里 response

3. 解析数据, 提取我们想要的数据内容
   - m3u8链接
   - 视频标题

4. 发送请求, 模拟浏览器对于 m3u8链接 发送请求
   由第三步提取出来链接发送请求

5. 获取数据, 获取服务器返回响应数据
   开发者工具里 response <对应所有ts文件链接>

6. 解析数据, 提取我们想要的数据内容
   所有ts文件链接

7. 保存数据, 把所有视频片段内容保存下来, 并且合成为一个完整视频内容

8. 多页数据采集

代码展示

---

👇 👇 👇 源码、教程 领取

资料点击 蓝色字体 自取</