python selenium爬取街舞网站视频数据

2023-10-13 12:30

本文主要是介绍python selenium爬取街舞网站视频数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言


想要做一个街舞网站视频的app,利用爬取的街舞视频存入本地,展现到app上

爬取网站:https://www.vhiphop.com/

Vhiphop网站也是我很喜欢的街舞网站之一,这里聚集了很多我喜欢的舞者视频和教学

爬取代码:


# !/usr/bin/env python
# -*- coding: utf-8 -*-# 爬取Vhiphop网站import requests
import importlib
import lxml.html
import os
import sys
importlib.reload(sys)
import jsonfrom selenium import webdrivervideo_list = []def selenium_get_vhiphop_html(http_url):# 更改代理ipoptions = webdriver.ChromeOptions()options.add_argument("--proxy-server=http://110.73.2.248:8123")#获取chromedriver的绝对路径driver_path = r'E:\fiddler\chromedriver.exe'# 初始化一个driver,并且指定chromedriver的路径driver = webdriver.Chrome(executable_path=driver_path)# driver = webdriver.Chrome(executable_path=driver_path,, chrome_options=options)# 请求网页driver.get(http_url)# 通过page_source获取网页源代码 热键 ctrl+alt+Lreturn driver.page_source# request请求,但response内容隐藏
def parse_vhiphop_url(http_url):#拿到请求头 模拟用户搜索headers = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36"}response = requests.get(http_url,headers=headers,verify=False)# 响应首页内容return response.text# 处理html数据,得到所有的数据
def get_vhiphop_video(html_data):"""分析全网数据,并提取视频信息"""# 获得etree对象metree = lxml.html.etree# 获得解析对象parser = metree.HTML(html_data)# 解析并获得div列表li_list = parser.xpath("//ul[@class='video-lists-box']/li")# 遍历div列表for li_element in li_list:# 拿到一个个li标签video_title = li_element.xpath("./a[@class='video-lists-link']/@title")# 40个popping信息item = {}# 获取标题item["video_title"] = video_title[0]# 获取ul地址,以用查找视频地址video_data_html_url = li_element.xpath("./a[@class='video-lists-link']/@href")[0]if not video_data_html_url.startswith("http"):video_data_html_url = "https://www.vhiphop.com"+video_data_html_url# 获取街舞视频播放页面html数据# video_data = selenium_get_vhiphop_html(video_data_html_url)# 解析html数据video_url = video_real_url(video_data_html_url)item["video_url"] = video_url# video封面图片地址video_img_url = li_element.xpath("./a[@class='video-lists-link']/div/img/@data-src")[0]item["video_img_url"] = video_img_url# 获取街舞类型:popping lacking breakingvideo_type = li_element.xpath("./a[@class='video-lists-link']/div[@class='video-meta-box']/div[@class='video-title-box']/span/text()")[0]item["video_type"] = video_typevideo_list.append(item)def selenium_get_video_html(html_url):# 获取chromedriver的绝对路径driver_path = r'E:\fiddler\chromedriver.exe'# 初始化一个driver,并且指定chromedriver的路径driver = webdriver.Chrome(executable_path=driver_path)# driver = webdriver.Chrome(executable_path=driver_path,, chrome_options=options)# 请求网页driver.get(html_url)# 通过page_source获取网页源代码 热键 ctrl+alt+Lreturn driver.page_sourcedef video_real_url(video_html_url):html_data = selenium_get_video_html(video_html_url)# 获得etree对象metree = lxml.html.etree# 获得解析对象parser = metree.HTML(html_data)# 解析并获得divvideo_url = parser.xpath("//div[@class='video-container cp']/div/video[@class='vjs-tech']/@src")return video_urldef result(http_url):item = {}html_data = selenium_get_vhiphop_html(http_url)get_vhiphop_video(html_data)def save_video_datas_json_file(video_list):"""以json格式保存到本地"""# 当目录不存在时则创建新目录video_dir_name = "./videos"if not os.path.exists(video_dir_name):# 创建目录os.makedirs(video_dir_name)# 写入数据 python类型的数据转换为字符串video_json_strs = json.dumps(video_list,ensure_ascii=False,indent=2)# 写入文件video_file = open(video_dir_name+"/video.json","w",encoding="utf-8")video_file.write(video_json_strs)video_file.close()print("总共个数:"+len(video_list))print("视频数据已经保存成功!谢谢!")def main():# 推荐页http_url_index = "https://www.vhiphop.com/"# choreograph = 1# 编舞http_url_choreograph = "https://www.vhiphop.com/videos?sort=1"result(http_url_choreograph)# poppinghttp_url_popping = "https://www.vhiphop.com/videos?sort=2"result(http_url_popping)# hiphophttp_url_hiphop = "https://www.vhiphop.com/videos?sort=3"result(http_url_hiphop)# jazzhttp_url_jazz = "https://www.vhiphop.com/videos?sort=4"result(http_url_jazz)# lockinghttp_url_locking = "https://www.vhiphop.com/videos?sort=5"result(http_url_locking)# wacckinghttp_url_waccking = "https://www.vhiphop.com/videos?sort=6"result(http_url_waccking)# breakinghttp_url_breaking = "https://www.vhiphop.com/videos?sort=7"result(http_url_breaking)# househttp_url_house = "https://www.vhiphop.com/videos?sort=8"result(http_url_house)# contemporaryhttp_url_contemporary = "https://www.vhiphop.com/videos?sort=9"result(http_url_contemporary)# reggaehttp_url_reggae = "https://www.vhiphop.com/videos?sort=10"result(http_url_reggae)# freestlyhttp_url_freestly = "https://www.vhiphop.com/videos?sort=11"result(http_url_freestly)# krumpinghttp_url_krumping = "https://www.vhiphop.com/videos?sort=12"result(http_url_krumping)# othershttp_url_others = "https://www.vhiphop.com/videos?sort=13"result(http_url_others)# 解析网址,请求数据# [{视频1},{视频2},{视频3}]# 保存文件save_video_datas_json_file(video_list)# item_popping = get_vhiphop_video(html_data_index)if __name__ == '__main__':main()

爬取的数据以json存入文本

response内容隐藏

request请求相应的response内容不全

检查网页元素可以看到 response内容被隐藏,可以通过selenium直接获取浏览器的Element

缺点

因为需要安装浏览器驱动,所以每次请求网页时都需要打开浏览器,加载时间实在太长。建议采用多线程爬取,等待时间缩短一些

后续优化

等我写好app了在搞

这篇关于python selenium爬取街舞网站视频数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/203225

相关文章

流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因?

视频智能分析/视频监控/安防监控综合管理系统EasyCVR视频汇聚融合平台,是TSINGSEE青犀视频垂直深耕音视频流媒体技术、AI智能技术领域的杰出成果。该平台以其强大的视频处理、汇聚与融合能力,在构建全栈视频监控系统中展现出了独特的优势。视频监控管理系统EasyCVR平台内置了强大的视频解码、转码、压缩等技术,能够处理多种视频流格式,并以多种格式(RTMP、RTSP、HTTP-FLV、WebS

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi