python爬取梨视频生活板块最热视频

完整代码如下：

import requests
from lxml import etree
import random
import os
from multiprocessing.dummy import Pool

if not os.path.exists('./视频'):
 os.mkdir('./视频')

urls=[]
url='https://www.pearvideo.com/category_5'
headers={'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.72 Safari/537.36 Edg/89.0.774.45'}

page_text=requests.get(url=url,headers=headers).text
tree=etree.HTML(page_text)

li_list=tree.xpath('//ul[@id="listvideoListUl"]/li')

for li in li_list:
 a_url='https://www.pearvideo.com/'+li.xpath('./div/a/@href')[0]
 name=li.xpath('./div/a/div[2]/text()')[0]+'.mp4'

mrd=random.random()
 code=li.xpath('./div/a/@href')[0][-7:]  
 new_headers={'Referer': a_url,
        'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36 Edg/89.0.774.50'
        }
 new_url='https://www.pearvideo.com/videoStatus.jsp?contId='+str(code)+'&mrd='+str(mrd)

r=requests.get(url=new_url,headers=new_headers)
 video_url=eval(r.text)['videoInfo']['videos']['srcUrl']

old=video_url.split('/')[-1].split('-')[0]  
 new='cont-'+str(code)
 true_video_url=video_url.replace(old,new)

dic={'name':name,
    'my_url':true_video_url}
 urls.append(dic)

#使用线程池对数据视频进行请求
def get_video_data(dic):
 print(dic['name']+'开始下载'+'\n')
 data_url=dic['my_url']
 data=requests.get(url=data_url,headers=headers).content
 with open('./视频/'+dic['name'],'wb') as f:
   f.write(data)
   print(dic['name']+'下载成功')

pool=Pool(4)
pool.map(get_video_data,urls)

pool.close()
pool.join()

说明：

当前日期（2021/3/14）版本的梨视频的视频伪url由ajax获取。

部分代码解释:

1：模块

import requests                #网路爬虫标准库（代替urllib)
from lxml import etree            #用于解析页面信息
import random                 #梨视频的url中有一段需要随机数
import os                   #主要用于生成文件夹存放视频
from multiprocessing.dummy import Pool    #导入线程池对应类

2：获取视频伪url

#参数准备
mrd=random.random()
code=li.xpath('./div/a/@href')[0][-7:]  
new_headers={
'Referer': a_url,
'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36     (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36 Edg/89.0.774.50'
     }

#获取url
new_url='https://www.pearvideo.com/videoStatus.jsp?contId='+str(code)+'&mrd='+str(mrd)
r=requests.get(url=new_url,headers=new_headers)
video_url=eval(r.text)['videoInfo']['videos']['srcUrl']

3：获取真正url

经本人实验，使用上文获得的url爬取视频下载内容为空。

由于本人也是菜鸟，所以百思不得其解，恰巧看到B站用户”_千户”的留言才得知真伪url的差异：

此处视频地址做了加密即ajax中得到的地址需要加上cont-,并且修改一段数字为id才是真地址
真地址："https://video.pearvideo.com/mp4/third/20201120/cont-1708144-10305425-222728-hd.mp4"
伪地址："https://video.pearvideo.com/mp4/third/20201120/1606132035863-10305425-222728-hd.mp4"

#仅需要做几个简单的截取切片操作就可以替换相关内容

old=video_url.split('/')[-1].split('-')[0]  
new='cont-'+str(code)
true_video_url=video_url.replace(old,new)

4：存储

#使用线程池对数据视频进行请求
def get_video_data(dic):
 print(dic['name']+'开始下载'+'\n')
 data_url=dic['my_url']
 data=requests.get(url=data_url,headers=headers).content
 with open('./视频/'+dic['name'],'wb') as f:
   f.write(data)
   print(dic['name']+'下载成功')

pool=Pool(4)
pool.map(get_video_data,urls)

pool.close()
pool.join()

5：结果

来源：https://blog.csdn.net/General_zy/article/details/114791619