基于Python爬取愛奇藝資源過程解析

更新時間：2020年03月02日 09:51:38 作者：江武555

這篇文章主要介紹了基于Python爬取愛奇藝資源過程解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

像iqiyi這種視頻網(wǎng)站，現(xiàn)在下載視頻都需要下載相應(yīng)的客戶端。那么如何不用下載客戶端，直接下載非vip視頻？

選擇你想要爬取的內(nèi)容

該安裝的程序以及運(yùn)行環(huán)境都配置好

下面這段代碼就是我在愛奇藝?yán)锼阉亍坝⑽拿?，然后出來的視頻，共有20頁，那么我們便從第一頁開始，解析網(wǎng)頁，然后分析

分析每一頁網(wǎng)址，找出規(guī)律就可以直接得到所有頁面

然后根據(jù)每一個視頻的URL的標(biāo)簽，如'class' 'div' 'href'......通過bs4庫進(jìn)行爬取

而其他的信息則是直接循環(huán)所爬取到的URL，在每一個里再通過標(biāo)簽去找

import requests
import pandas as pd
from bs4 import BeautifulSoup

#爬取URL 
headers={'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.79 Safari/537.36'}
b=[]
for i in range(1,2):
  url="https://so.iqiyi.com/so/q_英文名_ctg_t_0_page_"+str(i)+"_p_1_qc_0_rd__site__m_1_bitrate_"  #共20頁,根據(jù)每頁的網(wǎng)址變換規(guī)律進(jìn)行拼接
  r=requests.get(url,headers=headers)  
  soup=BeautifulSoup(r.text,"html.parser")
  a=soup.findAll('a',{'class':'main-tit'}) 
  for i in a:
    if 'http://www.'in i.get('href')and 'html'in i.get('href'):
      b.append(i.get('href'))
print(b)


#爬取標(biāo)題
e=[]
for k in b:
  res=requests.get(k,headers=headers)
  Soup=BeautifulSoup(res.text,'html.parser')
  c=Soup.findAll('div',{'class':'feed-title-box'})
  for d in c:
    e.append(d.find('h1').text) 
print(e)

#爬取標(biāo)題下方描述
f=[]
for j in b:
  res=requests.get(j,headers=headers)
  Soup=BeautifulSoup(res.text,'html.parser')
  c=Soup.findAll('div',{'class':'qy-play-intro-feed'})
  for d in c:
    f.append(d.find('p',{'class':"intro-iterm__block"}).text)
print(f)


#爬取發(fā)布時間
h=[]
for j in b:
  res=requests.get(j,headers=headers)
  Soup=BeautifulSoup(res.text,'html.parser')
  c=Soup.findAll('div',{'class':'intro-iterm'})
  for d in c:
    ff=(d.find('span',{'class':"intro-iterm__txt"}))
    if ff==None:
      continue
  h.append(ff.text)
print(h)

# 爬取上傳作者
m=[]
for k in b:
  res=requests.get(k,headers=headers)
  Soup=BeautifulSoup(res.text,'html.parser')
  c=Soup.find('div',{'id':'block-P'})
  d=Soup.find('div',{'class':'qy-player-maker'})
  try:
    name=c.get(':uploader').split(',')[1].split(':')[1].replace('"','')#輸出是字符串的格式，所以用split切割。replace替換
  except:
    try:
      name=d.get(':uploader').split(',')[1].split(':')[1].replace('"','')
    except:
      m.append("匿名用戶")
  m.append(name)
print(m)

上面的代碼輸出結(jié)果便是英文名的所有網(wǎng)址及其視頻中的一些信息

這里我需要講一下的是，為什么在爬取作者信息的模塊里我采取了try的方法，因為在我爬取的過程中我發(fā)現(xiàn)，有的視頻的上傳作者在視頻左下方，有的在視頻的右下方，有的視頻干脆沒有上傳作者。

同樣的，你想要爬取其他內(nèi)容也可以用這種方法獲取URL和他的其他信息

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: