Python爬虫：爬取某日头条某瓜视频，有/无水印两种方法

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于青灯编程 ，作者：清风

Python爬虫、数据分析、网站开发等案例教程视频免费在线观看

https://space.bilibili.com/523606542

基本开发环境

• Python 3.6
• Pycharm

相关模块的使用

import time
import os
import re
import requests
from selenium import webdriver
from selenium.webdriver.chrome.options import Options

目标网页分析

 

如何获取视频地址

西瓜视频有两种：

1、有水印视频

2、无水印视频

有水印视频

在网页源代码中

 

https://www.ixigua.com/embed?group_id=6817258591586615812

这个链接点击进去是视频播放地址。

 

前端页面中已有视频真实地址

//v9-xg-web-s.ixigua.com/ac99e1bf75dd0faa6854d9e5367fac3f/5fe894d7/video/tos/cn/tos-cn-ve-4/626cf09c0830417da4b70982950cedd9/?a=1768&br=3891&bt=1297&cd=0%7C0%7C0&cr=0&cs=0&cv=1&dr=0&ds=3&er=0&l=20201227210214010204050203275E2F92&lr=default&mime_type=video_mp4&qs=0&rc=anQ3aWdzNjd2dDMzZjczM0ApPDQ2NjU8aGU3NzplMzZoNWdfMWguMmA0NWFfLS02LS9zczIwXjBfY2A2MmIvXjMyLjI6Yw%3D%3D&vl=&vr=

 

 

只要请求这个网址即可下载保存视频。

无水印视频

无水印的视频下载比较麻烦，首先它是音频和视频画面分离的

 

水印是没有水印，但是视频是没有声音的。

 

如何找音频和视频地址呢？

使用开发者工具，在XHR里面是有相对对应链接的

音频地址：

https://v9-xg-web-s.ixigua.com/79457295a8a89bf86bdcd157eb848175/5fe895f4/video/tos/cn/tos-cn-vd-0026/43771a1a38ea473d9cb5b8e7c0f651f3/media-audio-und-mp4a/?a=1768&br=0&bt=0&cd=0%7C0%7C0&cr=0&cs=0&cv=1&dr=0&ds=&er=0&l=20201227210659010028033025224FC377&lr=default&mime_type=video_mp4

 

视频画面地址：

https://v9-xg-web-s.ixigua.com/9b4e18f3b29244557c83b8e88f13dd1b/5fe895f4/video/tos/cn/tos-cn-vd-0026/86a41ef8ebd3496585db455ae56b3ff3/media-video-avc1/?a=1768&br=12159&bt=4053&cd=0%7C0%7C0&cr=0&cs=0&cv=1&dr=0&ds=4&er=0&l=20201227210659010028033025224FC377&lr=default&mime_type=video_mp4

 

所以如果想要爬取西瓜视频无水印版本的话，不仅要下载视频，还要下载音频，然后再合成视频和音频两个文件，和之前的爬取B视频有相似之处。

西瓜视频水印版本下载

1、获取源代码提取视频播放地址以及标题

def main(html_url):
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    response = requests.get(url=html_url, headers=headers)
    response.encoding = response.apparent_encoding
    play_url = re.findall('"embedUrl":"(.*?)"', response.text)[0]
    title = re.findall('<title data-react-helmet="true">(.*?)</title>', response.text)[0].replace(' - 西瓜视频', '')

2、获取视频真实下载地址

这里使用selenium主要是因为，链接的变化规律问题。每次请求网页的参数都不一样，比较难以分析，但是前端网页中是有显示真实的视频地址，所以可以使用selenium直接提取。

def get_video_url(html_url):
    """传入播放地址，获取视频下载地址"""
    chrome_options = Options()
    chrome_options.add_argument('--headless')
    os.system("taskkill /f /im chromedriver.exe")
    driver = webdriver.Chrome(executable_path='chromedriver.exe', options=chrome_options)
    driver.get(html_url)
    driver.implicitly_wait(10)
    video_url = driver.find_element_by_css_selector('#player_default video').get_attribute('src')
    driver.close()
    return video_url

3、视频下载保存

方式一：正常保存方式

def save(video_url, video_title):
    filename = 'video\' + video_title + '.mp4'
    video_headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    video_response = requests.get(url=video_url, headers=video_headers).content
    with open(filename, mode='wb') as f:
        f.write(video_response)
        print('正在下载保存：', video_title)

运行效果：

 

方式二：实现下载进度条

def progressbar(video_url, video_title):
    start = time.time()  # 下载开始时间
    response = requests.get(video_url, stream=True)  # stream=True必须写上
    size = 0  # 初始化已下载大小
    chunk_size = 1024  # 每次下载的数据大小
    content_size = int(response.headers['content-length'])  # 下载文件总大小
    try:
        if response.status_code == 200:  # 判断是否响应成功
            print('Start download,[File size]:{size:.2f} MB'.format(
                size=content_size / chunk_size / 1024))  # 开始下载，显示下载文件大小
            filepath = 'video\' + video_title + '.mp4'  # 设置图片name，注：必须加上扩展名
            with open(filepath, 'wb') as file:  # 显示进度条
                for data in response.iter_content(chunk_size=chunk_size):
                    file.write(data)
                    size += len(data)
                    print('[下载进度]:%s%.2f%%' % ('▇' * int(size * 50 / content_size), float(size / content_size * 100)),
                          end='
')
        end = time.time()  # 下载结束时间
        print('Download completed!,times: %.2f秒' % (end - start))  # 输出下载用时时间
        print(f'视频【 {video_title} 】已经保存完毕')
    except:
        print('Error')

运行效果：

 

只要输入视频的ID即可下载视频，之后也可以做一个简单GUI桌面应用软件，之前文章都是有写过类似的。

完整代码

import time
import os
import re
import requests
from selenium import webdriver
from selenium.webdriver.chrome.options import Options



def get_video_url(html_url):
    """传入播放地址，获取视频下载地址"""
    chrome_options = Options()
    chrome_options.add_argument('--headless')
    os.system("taskkill /f /im chromedriver.exe")
    driver = webdriver.Chrome(executable_path='chromedriver.exe', options=chrome_options)
    driver.get(html_url)
    driver.implicitly_wait(10)
    video_url = driver.find_element_by_css_selector('#player_default video').get_attribute('src')
    driver.close()
    return video_url




# def save(video_url, video_title):
#     filename = 'video\' + video_title + '.mp4'
#     video_headers = {
#         'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
#     }
#     video_response = requests.get(url=video_url, headers=video_headers).content
#     with open(filename, mode='wb') as f:
#         f.write(video_response)
#         print('正在下载保存：', video_title)




def progressbar(video_url, video_title):
    start = time.time()  # 下载开始时间
    response = requests.get(video_url, stream=True)  # stream=True必须写上
    size = 0  # 初始化已下载大小
    chunk_size = 1024  # 每次下载的数据大小
    content_size = int(response.headers['content-length'])  # 下载文件总大小
    try:
        if response.status_code == 200:  # 判断是否响应成功
            print('Start download,[File size]:{size:.2f} MB'.format(
                size=content_size / chunk_size / 1024))  # 开始下载，显示下载文件大小
            filepath = 'video\' + video_title + '.mp4'  # 设置图片name，注：必须加上扩展名
            with open(filepath, 'wb') as file:  # 显示进度条
                for data in response.iter_content(chunk_size=chunk_size):
                    file.write(data)
                    size += len(data)
                    print('[下载进度]:%s%.2f%%' % ('▇' * int(size * 50 / content_size), float(size / content_size * 100)),
                          end='
')
        end = time.time()  # 下载结束时间
        print('Download completed!,times: %.2f秒' % (end - start))  # 输出下载用时时间
        print(f'视频【 {video_title} 】已经保存完毕')
    except:
        print('Error')




def main(html_url):
    headers = {
        'cookie': '输入你自己的cookie',
        'referer': 'https://www.ixigua.com/?wid_try=1',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    response = requests.get(url=html_url, headers=headers)
    response.encoding = response.apparent_encoding
    play_url = re.findall('"embedUrl":"(.*?)"', response.text)[0]
    title = re.findall('<title data-react-helmet="true">(.*?)</title>', response.text)[0].replace(' - 西瓜视频', '')
    video_url = get_video_url(play_url)
    progressbar(video_url, title)




if __name__ == '__main__':
    video_id = input('请输入你要下载的视频ID：')
    url = f'https://www.ixigua.com/{video_id}'
    main(url)