用python对美女内容采集,舞蹈区内容真热闹~
Python 内容 采集 美女
2023-09-14 09:05:35 时间
前言
嗨喽,大家好!这里是魔王呐~
环境使用:
-
Python 3.8 解释器<运行代码>
-
Pycharm 编辑器 <写代码>
模块使用]:
- requests >>> 数据请求 第三方模块 pip install requests <工具>
- re <正则表达式模块>
如果安装python第三方模块:
- 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
- 在pycharm中点击Terminal(终端) 输入安装命令
如何配置pycharm里面的python解释器?
- 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
- 点击齿轮, 选择add
- 添加python安装路径
pycharm如何安装插件?
- 选择file(文件) >>> setting(设置) >>> Plugins(插件)
- 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
- 选择相应的插件点击 install(安装) 即可
- 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
基本思路流程:
一. 分析数据来源
找寻网址上面数据来自于哪里
开发者工具进行抓包…
- 鼠标右键点击检查 或者 F12打开开发者工具
- 刷新网页
- 找寻数据…<通过media里找寻url地址>
- 找url地址来于那个数据包 >>> 通过url地址中一段参数进行搜索, 建议是搜.mp4前面这段内容…
二, 代码实现过程: 对于某些网站 可能需要多次请求,
- 发送请求, 对于找到数据包发送请求
- 获取数据, 获取服务器返回响应数据
- 解析数据, 提取我们想要数据内容 url地址 标题
… - 保存数据, 保存数据到本地文件夹
多个采集 <数据包url地址变化规律>
代码
导入模块
# import requests
import requests # 数据请求模块
import pprint # 格式化输出模块
import re
因审核机制,我把一些东西删啦,有需要的小可耐可以找我领取(或自己加一下)呐~
for page in range(2, 6):
print(f'正在采集第{page}页的数据内容')
link = f''
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
}
源码\解答\教程可加Q群:261823976免费领取哦~
html_data = requests.get(url=link, headers=headers).text
# print(html_data)
# 使用re正则表达式提取数据 从什么地方去获取什么数据
# <li data-vid="(\d+)"><a href=".*?" 加了括号是我们想要数据内容 \d+ 匹配多个数字 .*? 可以匹配任意字符(除了换行符\n)
video_id_list = re.findall('<li data-vid="(\d+)"><a href=".*?"', html_data)
print(video_id_list)
for video_id in video_id_list:
url = f''
# 伪装python代码 在开发者工具里复制 user-agent 用户代理 表示浏览器基本身份表示
# headers请求头, 可以python代码伪装成浏览器对于url地址发送请求 <作用防止被识别出来是爬虫程序>
# cookie 用户信息, 常用于检测是否登陆账号 <无论登陆与否 都有一个cookie>
# headers = {
# 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36'
# }
# 通过requests模块里面get请求方法对于url地址发送请求, 并且携带上headers请求头伪装, 最后用自定义变量response接受返回数据
response = requests.get(url=url, headers=headers)
# print(response.json()) # <Response [200]> 200表示请求成功 response.json() 返回数据一定是完整json数据格式
# pprint.pprint(response.json())
# 解析数据 字典取值 根据键值对取值 {'键': '值', '键1': '值1'} 根据冒号左边的内容<键>, 提取冒号右边的内容<值>
title = response.json()['data']['moment']['title']
title = re.sub(r'[\/:*?"<>|\n\r\t]', '', title)
video_url = response.json()['data']['moment']['videoInfo']['definitions'][0]['url']
print(title)
print(video_url)
# 保存数据 需要对于视频播放地址, 发送请求获取数据内容
# 源码\解答\教程可加Q群:261823976免费领取哦~
video_content = requests.get(url=video_url, headers=headers).content
with open('video\\' + title +video_id + '.mp4', mode='wb') as f: # as 重命名为 f
f.write(video_content)
# f = open('video\\' + title + '.mp4', mode='wb')
# f.write(video_content)
# f.close()
尾语
成功没有快车道,幸福没有高速路。
所有的成功,都来自不倦地努力和奔跑,所有的幸福都来自平凡的奋斗和坚持
——励志语录
本文章就写完啦~感兴趣的小伙伴可以复制代码去试试
你们的支持是我最大的动力!!记得三连哦~ 💕 欢迎大家阅读往期的文章呀~
相关文章
- python语言变量命名规则有什么_Python变量命名规则(超级详细)
- mt4 python_一个使用Python自动化交易外汇MT4脚本实现「建议收藏」
- python十进制转换_Python 进制转换
- python进制转换函数-Python中进制转换函数的使用
- 【Python】python文件打开方式详解——a、a+、r+、w+、rb、rt区别[通俗易懂]
- json转字符串 python_Python读取json
- python语言一般用于什么_PYthon
- Python 爬虫 校花网[通俗易懂]
- pycharmdjango项目实战_python如何创建新项目
- 【说站】python在带参的函数中使用装饰器
- 【说站】python列表如何传递到线程?
- Python标识符的命名规则,下列哪些是对的?_python标识符不能使用关键字
- 5分钟NLP:Python文本生成的Beam Search解码
- Karton:基于Python、Redis和MinIO实现的分布式恶意软件处理框架
- pycharm如何调试python程序_Pycharm断点调试Python程序的步骤方法
- Python基础-8 错误和异常
- 在Linux/CentOS中编译安装Python
- 搭建python开发环境-c++教程 如何搭建Python开发环境?
- Python 平台是独立的吗?
- Python爬取全市场基金持仓,扒一扒基金经理们的调仓选股思路
- python:函数数据封装详解编程语言
- 我们可以在同一个虚拟机中运行 Python 2 和 3 代码而不需要更改代码吗?
- Python轻松连接SQL Server数据库(python连接sqlserver)
- 打开电脑上的QQ的python代码
- python学习手册中的python多态示例代码