21年抓取抖音小姐姐最新版教程！最关键的是无水印下载。这还学不会？

2021-09-06 12:31:54 阅读：246 来源： 互联网

标签：视频小姐姐 21 title url re 浏览器 requests 最新版

概叙

我想很多人一开始接触爬虫，想学的目的就是抓取某些小姐姐的视频啊，图片啊或者抓取小说之类的！这个应该是大家想学爬虫的一个动力吧！今天就给大家整一期爬小姐姐视频，本来爬正经视频的，但是想了想，还是要整点实用的，那必须换成小姐姐，直接整活！

用的环境是Python3.6和pycharm，需要安装一个浏览器驱动（谷歌或者火狐的都可以，跟浏览器版本相近就行）没有的小伙伴可以加这个群点我免费加群领取包括本次的完整代码，视频教程都在群里免费领取。

很多小伙伴在学习的过程中因为没有好的学习资料、学习路线，或者遇到问题得不到及时解决导致自己学习进度缓慢，甚至放弃学习了，在这里我统统都给大家准备好了，从零基础到实战，各个方向的学习路线统统免费送给大家，学习问题都可以在群里得到解答，点我免费领取

æå¨dogeè¡¨æ 先欢迎各位了！

本次要用到的模块

requests >>> pip install requests
selenium >>> pip install selenium
re 
os

大概思路
一. 数据来源分析

确定需求 (我们要爬的内容是什么?)
抖音视频内容
通过开发者工具进行抓包分析
I. (F12/鼠标右键点击检查可以打开) 选择network 选择 media 找播放地址
II. 找播放地址来源 >>>
爬一个视频
二. 代码实现过程

发送请求对于视频详情页发送请求
获取数据获取网页源代码数据
解析数据提取视频播放地址以及视频标题
下载保存
各个模块的作用

import requests  # 数据请求 第三方模块 pip install requests
import re  # 正则表达式模块
import os  # 文件操作模块
import time # 时间模块
from selenium import webdriver  # pip install selenium

自动判断有无文件夹，自动创建，文件夹名字可以自己随便命名，这里我们创建名字为video，这里也可以自己先创建一个相同名字的文件夹放在代码旁边。

filename = 'video\\' # 文件名字
if not os.path.exists(filename): # 判断如果没有这个文件夹的话
    os.mkdir(filename) # 创建这个文件

很多文件下载下来后名字带有特殊符号的，这时候我们就要把这些特殊符号给替换掉，不然不能保存。

def change_title(title):
    pattern = re.compile(r"[\/\\\:\*\?\"\<\>\|\n]")  # '/ \ : * ? " < > |'
    new_title = re.sub(pattern, "_", title)  # 替换为下划线
    return new_title

这一步需要安装好浏览器驱动，selenium 可以模拟人的行为去操作浏览器，模拟滑动操作。自己翻的话，多麻烦是吧。验证码没有写进来，需要自己手动过一下验证码。

def drop_down():
    """执行页面滚动的操作"""  # javascript
    for x in range(1, 30, 4):  # 在你不断的下拉过程中, 页面高度也会变的
        time.sleep(1)
        j = x / 9
        # document.documentElement.scrollTop  指定滚动条的位置
        # document.documentElement.scrollHeight 获取浏览器页面的最大高度
        js = 'document.documentElement.scrollTop = document.documentElement.scrollHeight * %f' % j
        driver.execute_script(js)

实例化一个浏览器的对象

driver = webdriver.Chrome()

访问url地址网址

driver.get('.......')

括号里面的内容替换成你想要爬取的博主，我就不放链接了，免得审核不过。
截个图吧，这里以他为例，具体是谁，懂得都懂。

éªç·

不，我不懂~

怎么找地址呢，在当前页面链接中把？之前的都复制下来放进括号里面替换掉… 这几个点。
在这里插入图片描述

返回的列表里面元素是对象

lis = driver.find_elements_by_css_selector('div._927ae3b0dd790b5b62eae61c7d2fa0bc-scss > div:nth-child(2) > ul li')

调用 find_element_by_css_selector() 方法

li_url = li.find_element_by_css_selector('a').get_attribute('href')

headers 请求头伪装作用，user-agent: 浏览器的基本信息。

headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36'
    }
    response = requests.get(url=li_url, headers=headers)

获取数据 response.text 获取响应体的文本数据
print(response.text)
解析数据通过 re 正则表达式
正则表达式匹配出来的内容是列表
贪婪模式[我全都要] 非贪婪模式(?)

title = re.findall('<title data-react-helmet="true"> (.*?)</title>', response.text, re.S)[0]
    new_title = change_title(title)

返回是列表没问题， [1] 索引取值第一个元素索引位置是0 第二个元素索引位置 1。

html_data = re.findall('src(.*?)vr%3D%2', response.text)[1]

解码

video_url = requests.utils.unquote(html_data).replace('":"', 'http:')

print(video_url)保存数据，response.content (获取响应体的二进制数据)，为什么我要获取二进制数据呢，如果要保存图片/视频/音频/特定格式的文件，都是二进制数据保存的。、

video_content = requests.get(url=video_url, headers=headers).content

mode 保存方式， w 是写入， b 二进制模式，wb 以二进制方式保存， mode 默认是， r 读取，as 重命名 f。

然后看一下效果

兄弟们，冲冲冲！还是新鲜的，只要你去试了，必然是成功的，如果你连试都没试，那当我没说，文章如果看不懂，可以进那个群看视频！工具软件都有现成的直接找管理要就好了！

标签：视频,小姐姐,21,title,url,re,浏览器,requests,最新版
来源： https://blog.csdn.net/weixin_52994140/article/details/120131394

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

21年抓取抖音小姐姐最新版教程！最关键的是无水印下载。这还学不会？

概叙