Python爬虫——用xpath做一个简单爬虫
Python爬虫——用xpath做一个简单爬虫
1.效果图
.
2.包图网链接https://ibaotu.com/shipin/7-0-0-0-0-1.html
3.进入网页后按F12打开开发者工具,用鼠标样的按钮定位到指定位置
4.上图中有所有我们要的数据,标题(大气震撼党政党建图文片头AE模板)和视频链接( //video-qn.ibaotu.com/18/06/49/508888piCHsa.mp4_10s.mp4) ,就开始写代码了,首先先导入包
import requests
from lxml import etree
import os
5.请求包图网拿到整体数据
#1.请求包图网拿到整体数据
response = requests.get("https://ibaotu.com/shipin/7-0-0-0-0-1.html")
6.抽取 视频标题、视频链接
#2.抽取 视频标题、视频链接
html = etree.HTML(response.text)
tit_list = html.xpath('//span[@class="video-title"]/text()')#获取视频标题
src_list = html.xpath('//div[@class="video-play"]/video/@src')#获取视频链接
7.下载并保存视频
for tit,src in zip(tit_list,src_list):
#3.下载视频
response = requests.get("http:" + src)
#给视频链接头加上http头,http快但是不一定安全,https安全但是慢
#4.保存视频
if os.path.exists("video") == False:#判断是否有video这个文件夹
os.mkdir("video")#没有的话创建video文件夹
fileName = "video\\" + tit + ".mp4"
#保存在video文件夹下,用自己的标题命名,文件格式是mp4,有特殊字符的话需要用\来注释它,\是特殊字符所以这里要用2个\\
print("正在保存视频文件: " +fileName)#打印出来正在保存哪个文件
with open (fileName,"wb") as f:#将视频写入fileName命名的文件中
f.write(response.content)
8.这样就保存当前页面的这一页所有视频,效果图如下:
9.要是想爬取多页视频的话看下切换页面网址会发生怎么样的变化
10.这里只是网址末尾的数字变化了,只要在最外面加个for循环就行,下面是完整代码:
import requests
from lxml import etree
import os
for i in range(3):#共有223页,所以range里面填<=224的都行
#1.请求包图网拿到整体数据
response = requests.get("https://ibaotu.com/shipin/7-0-0-0-0-%s.html" %str(i))
#2.抽取 视频标题、视频链接
html = etree.HTML(response.text)
tit_list = html.xpath('//span[@class="video-title"]/text()')#获取视频标题
src_list = html.xpath('//div[@class="video-play"]/video/@src')#获取视频链接
for tit,src in zip(tit_list,src_list):
#3.下载视频
response = requests.get("http:" + src)#给视频链接头加上http头
# http快但是不一定安全
#https安全但是慢
#4.保存视频
if os.path.exists("video") == False:#判断是否有video这个文件夹
os.mkdir("video")#没有的话创建video文件夹
fileName = "video\\" + tit + ".mp4"#保存在video文件夹下,用自己的标题命名,文件格式是mp4
#有特殊字符的话需要用\来注释它,\是特殊字符所以这里要用2个\\
print("正在保存视频文件: " +fileName)#打印出来正在保存哪个文件
with open (fileName,"wb") as f:#将视频写入fileName命名的文件中
f.write(response.content)