异步多视频爬取

た入场券 2023-06-02 10:45 7阅读 0赞

## 异步多视频爬取 ##

注意点：

1.多线程

2.js渲染html

import requests
    import re
    from lxml import etree
    from multiprocessing.dummy import Pool
    import os
    
    if not os.path.exists("video"):
        os.mkdir("video")
    
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36"
    }
    
    url='https://www.pearvideo.com'
    #存放视频名字和数据链接
    video_all=[]
    
    res=requests.get(url=url,headers=headers).text
    tree=etree.HTML(res)
    video_list=tree.xpath('//ul[@id="actRecommendCont"]/li/div')
    
    for li in video_list:
        #拼接视频名称
        video_name=li.xpath('./a/h3/text()')[0]+'.mp4'
        #拼接视频播放界面
        video_url="https://www.pearvideo.com/"+li.xpath('./a/@href')[0]
        #请求视频播放界面
        res2=requests.get(url=video_url,headers=headers).text
        #由于视频链接是由js生成的，所以只能用re匹配
        video_src=re.findall('srcUrl="(.*?)",vdo',res2)[0]
    
        dic = {"name":video_name,"url":video_src}
    
        video_all.append(dic)
    
    #下载方法
    def dow_video(vie_dic):
        print(vie_dic['name'] + "下载中...")
        res=requests.get(url=vie_dic['url'],headers=headers).content
        with open("video/"+vie_dic['name'],'wb')as fw:
            fw.write(res)
            print(vie_dic['name']+"下载成功！")
    
    #开启8个线程
    pool=Pool(8)
    #多线程执行
    pool.map(dow_video,video_all)
    
    #关闭pool，使其不在接受新的（主进程）任务
    pool.close()
    #主进程阻塞后，让子进程继续运行完成，子进程运行完后，再把主进程全部关掉。
    pool.join()

转载于:https://www.cnblogs.com/zx125/p/11421329.html