python爬取百思不得姐网站视频：http:///video/

新建一个py文件，代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
#!/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:///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：

python爬虫：爬取网站视频_python

在 video 文件夹可以看到下载好的视频

python爬虫：爬取网站视频_python_02

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')