东莞企业网站公司,wordfence wordpress,qq群推广链接,网站布局模式目标#xff1a;对B站视频详情页url进行视频的爬取。 注#xff1a;由于B站的音频和视频的链接是分开的#xff0c;所以在提取是需要分别提取#xff0c;然后进行合成。 这里只管提取#xff0c;合成的工作以后再说。
具体步骤
发送请求 对于视频详情页url地址发送请求 …目标对B站视频详情页url进行视频的爬取。 注由于B站的音频和视频的链接是分开的所以在提取是需要分别提取然后进行合成。 这里只管提取合成的工作以后再说。
具体步骤
发送请求 对于视频详情页url地址发送请求 https://www.bilibili.com/video/BV11b4y1S7Jg获取数据 获取响应体的文本数据 response.text 网页源代码解析数据 提取我们想要的 视频标题/音频url/视频画面url,保存数据 对于音频url 视频url发送请求 获取响应体二进制数据 response.content合成数据把音频内容以及视频画面内容合成为一个完整的mp4文件
1. 发送请求
说明 Referer:是防盗链。表示当前这个链接我是从哪个链接跳转过来的。 Cookie由于B站不登陆只能下载
url https://www.bilibili.com/video/BV1Bo4y1v7Yq/
response requests.get(url)
cookie buvid35C5D0069-031F-2213-8E11-3B17C971719F69389infoc; b_nut1688698369; _uuid7F76CBFD-ADE2-44103-424C-D73D5E9ACC2869255infoc; header_theme_versionCLOSE; CURRENT_FNVAL4048; buvid4780B8373-C6A6-6800-F372-7CF18F799AE570981-023070710-7YWVed7pFp%2FuoShCfdfYnQ%3D%3D; DedeUserID175444232; DedeUserID__ckMd5b4a676bf5d8afe1c; rpdid|(k|)mum~~uJ0JuY))~|uklm; LIVE_BUVIDAUTO5916888971292528; SESSDATA6b25c9b2%2C1705192174%2Cba23f%2A71bQR5hFBMOt8AXYHjziKE4HOwWw6Ei8wrCIByshPnLAkTd2jwLJy4WYgVkViOyIUPNssSUQAAIAA; bili_jcte29211bb7e88730fc2bc6691218d247e; sid858nix09; FEED_LIVE_VERSIONV8; buvid_fp_plainundefined; hit-new-style-dyn1; hit-dyn-v21; i-wanna-go-back-1; b_ut5; fingerprintb2371c9349b15d5ad60e75cd01f7dc55; buvid_fp5b9a1047d9ef9ba48290adcd4ba39e58; share_source_origincopy_web; bsourceshare_source_copylink_web; bili_ticketeyJhbGciOiJIUzI1NiIsImtpZCI6InMwMyIsInR5cCI6IkpXVCJ9.eyJleHAiOjE2OTY0NzMzNjcsImlhdCI6MTY5NjIxNDEwNywicGx0IjotMX0.D2ixQib5vaXOyxTBLWhIR8KzpbGQloGjxzXDgnOum3E; bili_ticket_expires1696473307; CURRENT_QUALITY80; b_lsid4F245FCD_18AFACA514A; home_feed_column5; browser_resolution1552-827; bp_video_offset_175444232848638555060174904; PVID1head {User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/117.0.0.0 Safari/537.36,# Referer: 防盗链。用于告诉服务器我是从哪个链接跳转来的。Referer: https://www.bilibili.com/,Cookie: cookie
}
sleep(2)
page_text response.text2. 获取数据
# 获取标题和播放信息
tree etree.HTML(page_text)
title tree.xpath(//*[idviewbox_report]/h1/text())[0]
play_info tree.xpath(/html/head/script[4])[0].text # 通过tree.xpath得到script对象然后通过text属性得到其内容
play_info play_info[20:] # 去掉前面的window.__playinfo__这几个字符
print(play_info)3. 解析数据
# 将数据转为json格式方便获取其中的部分数据
play_info_json json.loads(play_info)
# print(play_info_json)
pprint.pprint(play_info_json) # 格式化输出# 获取音频、视频url
# B站的音频和视频链接是分开的所以要分别获取然后通过一定的方法进行合并。
video_url play_info_json[data][dash][video][0][baseUrl] # 得到视频链接
audio_url play_info_json[data][dash][audio][0][baseUrl] # 得到音频链接4. 保存数据
video_content requests.get(urlvideo_url, headershead).content # content表示二进制数据
audio_content requests.get(urlaudio_url, headershead).content # # content表示二进制数据if not os.path.exists(./B站视频):os.mkdir(./B站视频)with open(./B站视频/title.mp4, wb) as fp:fp.write(video_content)with open(./B站视频/title.mp3, wb) as fp:fp.write(audio_content)
完整代码
import json
import os.pathimport requests
from time import sleep
from lxml import etree
import pprint# 已成功
1.发送请求 对于视频详情页url地址发送请求 https://www.bilibili.com/video/BV11b4y1S7Jg
2.获取数据 获取响应体的文本数据 response.text 网页源代码
3.解析数据 提取我们想要的 视频标题/音频url/视频画面url,
4保存数据 对于音频url 视频url发送请求 获取响应体二进制数据 response.content
5.合成数据把音频内容以及视频画面内容合成为一个完整的mp4文件url https://www.bilibili.com/video/BV1Bo4y1v7Yq/
response requests.get(url)
cookie buvid35C5D0069-031F-2213-8E11-3B17C971719F69389infoc; b_nut1688698369; _uuid7F76CBFD-ADE2-44103-424C-D73D5E9ACC2869255infoc; header_theme_versionCLOSE; CURRENT_FNVAL4048; buvid4780B8373-C6A6-6800-F372-7CF18F799AE570981-023070710-7YWVed7pFp%2FuoShCfdfYnQ%3D%3D; DedeUserID175444232; DedeUserID__ckMd5b4a676bf5d8afe1c; rpdid|(k|)mum~~uJ0JuY))~|uklm; LIVE_BUVIDAUTO5916888971292528; SESSDATA6b25c9b2%2C1705192174%2Cba23f%2A71bQR5hFBMOt8AXYHjziKE4HOwWw6Ei8wrCIByshPnLAkTd2jwLJy4WYgVkViOyIUPNssSUQAAIAA; bili_jcte29211bb7e88730fc2bc6691218d247e; sid858nix09; FEED_LIVE_VERSIONV8; buvid_fp_plainundefined; hit-new-style-dyn1; hit-dyn-v21; i-wanna-go-back-1; b_ut5; fingerprintb2371c9349b15d5ad60e75cd01f7dc55; buvid_fp5b9a1047d9ef9ba48290adcd4ba39e58; share_source_origincopy_web; bsourceshare_source_copylink_web; bili_ticketeyJhbGciOiJIUzI1NiIsImtpZCI6InMwMyIsInR5cCI6IkpXVCJ9.eyJleHAiOjE2OTY0NzMzNjcsImlhdCI6MTY5NjIxNDEwNywicGx0IjotMX0.D2ixQib5vaXOyxTBLWhIR8KzpbGQloGjxzXDgnOum3E; bili_ticket_expires1696473307; CURRENT_QUALITY80; b_lsid4F245FCD_18AFACA514A; home_feed_column5; browser_resolution1552-827; bp_video_offset_175444232848638555060174904; PVID1head {User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/117.0.0.0 Safari/537.36,# Referer: 防盗链。用于告诉服务器我是从哪个链接跳转来的。Referer: https://www.bilibili.com/,Cookie: cookie
}
sleep(2)
page_text response.textwith open(./bilibili.html, w, encodingutf-8) as fp:fp.write(page_text)# print(page_text)
# 获取标题和播放信息
tree etree.HTML(page_text)
title tree.xpath(//*[idviewbox_report]/h1/text())[0]
play_info tree.xpath(/html/head/script[4])[0].text # 通过tree.xpath得到script对象然后通过text属性得到其内容
play_info play_info[20:] # 去掉前面的window.__playinfo__这几个字符
print(play_info)# 将数据转为json格式方便获取其中的部分数据
play_info_json json.loads(play_info)
# print(play_info_json)
pprint.pprint(play_info_json) # 格式化输出# 获取音频、视频url
# B站的音频和视频链接是分开的所以要分别获取然后通过一定的方法进行合并。
video_url play_info_json[data][dash][video][0][baseUrl] # 得到视频链接
audio_url play_info_json[data][dash][audio][0][baseUrl] # 得到音频链接# 获取音频、视频数据
video_content requests.get(urlvideo_url, headershead).content # content表示二进制数据
audio_content requests.get(urlaudio_url, headershead).contentif not os.path.exists(./B站视频):os.mkdir(./B站视频)with open(./B站视频/title.mp4, wb) as fp:fp.write(video_content)with open(./B站视频/title.mp3, wb) as fp:fp.write(audio_content)print(提取到的title, title)
