编程语言
首页 > 编程语言> > Python爬虫:抖音个人主页视频抓取

Python爬虫:抖音个人主页视频抓取

作者:互联网

目标:抓取抖音某博主发布的全部视频

用到的模块 selenium+requests

整体思路:

1、先用selenium自动化让数据加载出来 到视频获取详情页的链接

 

 

 

 

 

2、然后在详情页获取到视频的真实链接

 

 

 

3、然后对链接进行requests请求并保存

 

 

 

4、在保存视频那行代码加try 有的发的不是视频 是图文信息 不加try程序会中断

 

 

具体代码如下:

 1 import time
 2 from selenium.webdriver.chrome.options import Options
 3 from selenium.webdriver import Chrome, ActionChains
 4 import requests
 5 opt = Options()
 6 # 无头浏览器
 7 # opt.add_argument('--headless')
 8 # opt.add_argument('--disable-gpu')
 9 # 屏蔽谷歌浏览器正在接收自动化软件控制提示
10 # opt.add_experimental_option('useAutomationExtension', False)
11 opt.add_experimental_option('excludeSwitches', ['enable-automation'])
12 opt.add_argument('--disable-blink-featurse=AutomationControlled')
13 # 不自动关闭浏览器
14 opt.add_experimental_option("detach", True)
15 web = Chrome(executable_path=r'D:\bigdata\pycharmxiangmu\venv\Scripts/chromedriver.exe',options=opt)
16 web.get('https://www.douyin.com/user/MS4wLjABAAAAJUwAJJ0vxcAx1-uUtcTG6yTIndqqLZJOU5Xvnej5sbD2GdYv818HElibMnCUajp_')
17 script = 'Object.defineProperty(navigator, "webdriver", {get: () => false,});'
18 web.execute_script(script)
19 time.sleep(2)
20 web.maximize_window()
21 web.implicitly_wait(10)
22 n = 1
23 shipindizhi = './抖音个人主页视频/'
24 try:
25     web.find_element_by_xpath('//*[@id="login-pannel"]/div[2]').click()
26 except:
27     print('没有登陆提示')
28 # 下滑到底部 全部数据加载出来
29 for i in range(1000,20000,1000):
30     web.execute_script(f'window.scrollTo(0,{i})')
31     time.sleep(2)
32 href_list = []
33 for page in range(1, 101):
34     time.sleep(1)
35     href = web.find_element_by_xpath(f'//li[{page}]/a').get_attribute('href')
36     href_list.append(href)
37 # print(len(href_list))
38 for hrefs in href_list:
39     # 循环请求报错
40     web.get(hrefs)
41     web.implicitly_wait(5)
42     web.find_element_by_xpath('/html/body/div[2]/div/div/div[2]/div/button[text()="取消"]').click()
43     web.implicitly_wait(5)
44     try:
45         web.find_element_by_xpath('//*[@id="login-pannel"]/div[2]').click()
46     except:
47         print('没有扫码登陆提示')
48     time.sleep(2)
49     web.maximize_window()
50     web.implicitly_wait(10)
51     time.sleep(1)
52     # 因为每次绝对地址都会动 所以换成//video/source[1]点一个get获取href属性
53     try:
54         splj = web.find_element_by_xpath('//video/source[1]').get_attribute('src')
55     except:
56         print('图文信息 没有视频')
57     # print(splj)
58     pinjie = shipindizhi + 'shiping_%s' % n + '.mp4'
59     f = open(pinjie, mode='wb')
60     f.write(requests.get(url=splj).content)
61     n += 1
62     print(pinjie + '图片保存成功')

 

 

标签:opt,web,get,Python,add,抖音,个人主页,href,div
来源: https://www.cnblogs.com/Gil-1117/p/16626712.html