python爬虫:爬取网站视频

python爬取百思不得姐网站视频:http://www.budejie.com/video/

新建一个py文件,代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import  urllib,re,requests
import  sys
reload (sys)
sys.setdefaultencoding( 'utf-8' )
 
url_name  =  []  #url name
 
def  get():
     #获取源码
     hd  =  { "User-Agent" : "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36" }
     url  =  'http://www.budejie.com/video/'
     html  =  requests.get(url,headers = hd).text
     url_content  =  re. compile (r '(<div class="j-r-list-c">.*?</div>.*?</div>)' ,re.S)  #编译
     url_contents  =  re.findall(url_content,html)  #匹配
 
     for  in  url_contents:
         #匹配视频
         url_reg  =  r 'data-mp4="(.*?)"'   #视频地址
         url_items  =  re.findall(url_reg,i)
         #print url_items
         if  url_items:   #判断视频是否存在
             name_reg  =  re. compile (r '<a href="/detail-.{8}?.html">(.*?)</a>' ,re.S)
             name_items  =  re.findall(name_reg,i)
             #print name_items[0]
             for  i,k  in  zip (name_items,url_items):
                 url_name.append([i,k])
                 print  i,k
     for  in  url_name:   #i[1]=url i[0]=name
         urllib.urlretrieve(i[ 1 ], 'video\\%s.mp4'  %  (i[ 0 ].decode( 'utf-8' )))
 
if  __name__  = =  "__main__" :
     get()

 

在 py 文件下新建一个 video 文件夹,执行后结果如下:

wKiom1kkMz-i8-RdAAIVKL2KXsw022.png

在 video 文件夹可以看到下载好的视频

wKioL1kkM1KQyw43AAQpNrfCuQc669.png

注意报错:

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-9: ordinal not in range(128)

解决:

import sys
reload(sys)

sys.setdefaultencoding('utf-8')

 

 

转载:http://blog.51cto.com/xiaogongju/2061754

原文地址:https://www.cnblogs.com/lxwphp/p/15453655.html