学习前提1、了解python基础语法

2、了解re、selenium、BeautifulSoup、os、requests等python第三方库

1.引入库

爬取网站视频需要引入的第三方库：

import os

from selenium import webdriver

import requests

from bs4 import BeautifulSoup

import re

模块用处：1、os模块：文件目录操作模块，用于创建或者删除目录或文件。

2、selenium模块：python请求模块之一，用于某些特殊请求。

3、requests模块：用于请求网页地址。

4、BeautifulSoup模块：用于解析网页，获取页面元素或内容。

5、re模块：正则表达式，本程序中用于匹配视频链接。

2.请 求 网页地址

请求页面：

"""请求页面"""

header = {

"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36"

} #请求

url = "http://www.kakadm.com/anime/2417/" #网页地址，这里以卡卡动漫中的无限斯特拉托斯为例

r = requests.get(url, headers=header)

html = r.text #以二进制打印页面

由上述代码获取如下页面：

请求头(反爬机制中的一种)：headers中包含网页请求中的请求头，每一个浏览器都有属于自己的请求头，因此需要更改，以免请求失败

3.解析网页，获取播放链接

解析上述页面：

"""解析页面"""

soup = BeautifulSoup(html, "html.parser")

urls = soup.find("div", class_="movurl").find_all("a") #查找视频播放链接

videourls = []

for u in urls:

videourls.append(u.get("href")) #由分析网页元素可知，仅获取链接部分内容

# 获取视频播放地址

str = "http://www.kakadm.com/"

for index, item in enumerate(videourls):

videourls[index] = str + item #加上前缀，获取13个视频播放链接

由上述代码获取如下页面：

4.解析网页，获取视频源链接，即获取后缀名含.mp4的链接

由上述代码获取视频播放页面后，获取源视频链接：

# 请求获取视频源mp4

videos = []

title = []

chrome_options = webdriver.ChromeOptions

# 使用headless无界面浏览器模式，即不需要打开浏览器

chrome_options.add_argument('--headless') # 增加无界面选项

chrome_options.add_argument('--disable-gpu') # 如果不加这个选项，有时定位会出现问题

flag = 0

name = ''

for u in videourls:

# 启动浏览器，获取网页源代码

b = webdriver.Chrome(options=chrome_options) # 建立Chrome的驱动

b.implicitly_wait(10) # 隐式等待，动态查找元素

b.get(u) # 在Chrome上打开网址

# 获取视频名字，如：无限斯特拉托斯

if flag == 0:

soup = BeautifulSoup(html, "html.parser")

name = soup.find("title").string.split('-')[0] # 获取标签内的内容

flag = 1

# 进入iframe内嵌网页

b.switch_to.frame("playbox") # 针对iframe标签，(id)

html = b.page_source # 打印页面

soup = BeautifulSoup(html, "html.parser")

t = soup.find("title").string.split(' ')[0] # 视频命名

v = re.findall(r'(http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*,]|(?:%[0-9a-fA-F][0-9a-fA-F]))+.mp4)',

html) # 获取mp4网址

t = name + " " + t

title.append(t)

videos.append(v)

print(v)

b.quit # 退出

由上述代码获取如下视频源链接：

注意：

在本例子中，卡卡动漫里的视频源链接放在ifame标签中，这是基本反爬机制之一。ifame标签会隐藏其内的内容，用requests模块不能直接访问，需要在浏览器中访问，即需要selenium模块，通过针对iframe标签的方法 b.switch_to.frame(id)

打开浏览器来访问iframe标签，并获取隐藏其中的视频源链接。

5.下载视频，并储存到指定文件夹

由上述代码获取视频源链接后，下载到指定文件目录：

"""下载mp4视频"""

i = 0 # 显示当前下载第几个视频

j = 0 # 遍历视频标题列表

# 创建视频文件目录

path = 'D:SoftdownloadPythonvideos{}'.format(name)

if os.path.exists(path) == False: # 如果文件不存在

os.mkdir(path)

for index, item in enumerate(videos):

i += 1

print("正在下载第{}个视频".format(i))

file_name = title[j] + '.mp4' # 命名成mp4格式

j += 1

r = requests.get(videos[index][0], headers=header) # 请求里面的网址

with open(path + file_name, 'wb') as f: # 在指定文件夹下载视频，没有就创建

f.write(r.content)

由上述代码会建立如下文件目录：

还是不难的哈！希望能从文中学到你想要得到的！