python爬虫：爬取网站视频

• 2020 年 1 月 11 日
• 筆記

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：

#!/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 i 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 i 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：

在 video 文件夹可以看到下载好的视频

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')