大家好，我是辣条。

​

最近被室友安利热血动漫番《终末的女武神》和《拳愿阿修罗》，太上头了周末休息熬夜看完了。不过资源不太好找，辣条一怒爬取了资源，这下可以看个够了。室友崇拜连连，想起了我的班花，快点开学啊，阿西吧...

Python爬虫-vip动漫采集

效果展示

​

爬取目标

网站目标：樱花动漫

​

工具使用

开发工具：pycharm

开发环境：python3.7， Windows10

使用工具包：requests，lxml， re，tqdm

重点学习内容

正则的使用 tqdm的使用 各种音频数据的处理

项目思路解析

搜索你需要的动漫数据，根据自己需要的视频不同解析视频的方法也是不一样的（会挑选两种视频进行解析）

​

在当前页面需要提取出对应的章节信息，获取到章节信息的a标签的跳转内容，提取出每个章节的名字，提取章节的方法我使用的xpath的方法（各位大佬可自行尝试其他的方法）

​

headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36',    'Referer': ';}​url = ';response = requests.get(url, headers=headers)# print(response.content.decode('gbk'))html_data = etree.HTML(response.content.decode('gbk'))chapter_list = html_data.xpath('//div[@class="movurl"]/ul/li/a/text()')chapter_url_list = html_data.xpath('//div[@class="movurl"]/ul/li/a/@href')[0]

url的数据需要自行拼接，根据新的url获取详情页面的数据

​

按照正常思路首先应该查看播放地址是否为静态数据

​

明显看出数据并不是静态数据，在区分是否为动态数据，通过抓包工具进行获取。

​

也并不是动态数据，媒体数据也不知道怎么形成的。

​

从头再来从前端页面在进行解析，找视频页面的事件。

​

并没有发现有效数据，但是在iframe下面的Script标签有js跳转地址 ，解析的数据网址和视频的播放地址是一样的域名， 点击查看， 这不是就是我们找的视频播放地址嘛 ，终于找到了，开始实现 在当前页面通过xpath方式提取出script里的js跳转地址， 拼接出新的视频链接播放地址，发送请求，通过正则表达式提取出所有MP4播放地址。

​

new_url = '; + chapter_url_listresponse = requests.get(new_url, headers=headers)html = etree.HTML(response.content.decode('gbk'))​data_url = '; + html.xpath('//div[@class="player"]/script[1]/@src')[0]res = requests.get(data_url, headers=headers).text# print(res)play_url_list = re.findall('\$(.*?)\$flv', res)print(play_url_list)

保存对视频数据发送请求，保存数据到mp4 ，通过tqdm工具能查看对应下载的速度以及下载的进度

for chapter, play_url in tqdm(zip(chapter_list, play_url_list)):    result = requests.get(play_url, headers=headers).content    f = open('终末的女武神/' + chapter + '.mp4', "wb")    f.write(result)

​到这大功告成 但是当我把网址修改成斗破苍穹这个动漫时，却返回的数据为空 

​

​

这个视频的加载数据的规则是不一样的加载的数据为m3u8的格式， 其他的音频的数据加载可能也不一样， 处理m3u8的数据稍稍的有丢丢复杂，它的m3u8的文件内部有嵌套了m3u8链接地址， 需要转换对应的数据接口，进行链接地址拼接， 取出ts文件进行下载，拼接成视频。

m3u8_url_list = re.findall('\$(.*?)\$bdhd', res)for m3u8_url, chapter in zip(m3u8_url_list, chapter_list):    data = requests.get(m3u8_url, headers=headers)    # print(data.text)    new_m3u8_url = '; + re.findall('/(.*?m3u8)', data.text)[0]    # print(new_m3u8_url)    ts_data = requests.get(new_m3u8_url, headers=headers)    ts_url_list = re.findall('/(.*?ts)', ts_data.text)    print("正在下载：", chapter)    for ts_url in tqdm(ts_url_list):        result = requests.get('; + ts_url).content        f = open('斗破苍穹/' + chapter + '.mp4', "ab")        f.write(result)

项目思路总结

获取到想要动漫的地址提取详情页面的名字已经跳转地址获取页面的静态js文件解析视频播放地址或者m3u8文件保存对应数据

简易源码分享

import requestsfrom lxml import etreeimport refrom tqdm import tqdm​​headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36',    'Referer': ';}​url = ';response = requests.get(url, headers=headers)# print(response.content.decode('gbk'))html_data = etree.HTML(response.content.decode('gbk'))chapter_list = html_data.xpath('//div[@class="movurl"]/ul/li/a/text()')chapter_url_list = html_data.xpath('//div[@class="movurl"]/ul/li/a/@href')[0]# print(chapter_list)# print(chapter_url_list)new_url = '; + chapter_url_listresponse = requests.get(new_url, headers=headers)html = etree.HTML(response.content.decode('gbk'))​data_url = '; + html.xpath('//div[@class="player"]/script[1]/@src')[0]res = requests.get(data_url, headers=headers).text# print(res)play_url_list = re.findall('\$(.*?)\$flv', res)print(play_url_list)​for chapter, play_url in tqdm(zip(chapter_list, play_url_list)):    result = requests.get(play_url, headers=headers).content    f = open('终末的女武神/' + chapter + '.mp4', "wb")    f.write(result)

​

发现不会的或者学习Python的，可以直接评论留言或者私我【非常感谢你的点赞、收藏、关注、评论，一键四连支持】

​

最后，小编想说：我是一名python开发工程师，整理了一套最新的python系统学习教程，想要这些资料的可以关注私信小编“01”即可（免费分享哦）希望能对你有所帮助.

​