阅读量:0
目录
前言
道路千万条，安全第一条
爬虫不谨慎，亲人两行泪
获取b站的章若楠的视频
不要问，问就是博主喜欢，嘿嘿嘿嘿（流口水）
一、话不多说，先上代码
# 请求b站视频 import json import requests from lxml import etree if __name__ == '__main__': head = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0" , # 防盗链 "Referer": "https://www.bilibili.com/" , "Cookie": "buvid3=3EEF3EE1-472C-F430-105F-0E4F321F331C25161infoc; b_nut=1720613925; _uuid=46847D108-EFD1-9828-99910-32119EADB6EB26022infoc; enable_web_push=DISABLE; buvid4=E9918A3A-008D-2748-2B1F-78B04E8CCA5825688-024071012-IYJQtQw8DTdtrI0uY1UGvQ%3D%3D; buvid_fp=adf3cfaf35396cd4f051041d58ea252d; DedeUserID=455536180; DedeUserID__ckMd5=ece5cba51b3582b0; header_theme_version=CLOSE; rpdid=|(Y|RJRRJ~m0J'u~k|YuR|k); hit-dyn-v2=1; CURRENT_BLACKGAP=0; CURRENT_FNVAL=4048; CURRENT_QUALITY=80; b_lsid=FA4254F2_190DA67F5A6; bmg_af_switch=1; bmg_src_def_domain=i0.hdslb.com; SESSDATA=464ec009%2C1737203167%2C4093c%2A72CjCcAmS6QdnftcRgMbranRB57RDcvOgVEYQ2eANilbiZTke2ujiipqzyDhLaHzdf-lQSVnBETDB6RC1iRTBPOXE0MXJvWndtQ2J5M0ttRUdsNzV4eDBOS0ZHSnJFNGstUXdoZV9YWlFDMUN6WktnVWdyZzNXTHoxX3ZHMEQ4WnBRVFhuS3FWdlZRIIEC; bili_jct=7dcc1afe4e9061803755fe502bd89493; home_feed_column=5; browser_resolution=1528-750; bili_ticket=eyJhbGciOiJIUzI1NiIsImtpZCI6InMwMyIsInR5cCI6IkpXVCJ9.eyJleHAiOjE3MjE5MTAzODcsImlhdCI6MTcyMTY1MTEyNywicGx0IjotMX0.ZBTc3IhjtIXKw31_mMRIL58EBBFttxFrh9PXvDeNu74; bili_ticket_expires=1721910327; sid=5oumv249; bp_t_offset_455536180=956974561008549888" } url = "https://www.bilibili.com/video/BV1Ya411x7YS/?spm_id_from=333.788.recommend_more_video.-1&vd_source=c37b332e3068ca57bd61f05c52b41922" response = requests.get(url, headers=head) vid = response.text tree = etree.HTML(vid) with open("bilibili.html", "w", encoding="utf8") as bili: bili.write(vid) vid_info = "".join(tree.xpath("//head/script[4]/text()"))[20:] # print(vid_info) # 是一个json大字符串 info_dict = json.loads(vid_info) # print(info_dict) # 变成字典 video_url = info_dict["data"]["dash"]["video"][0]["baseUrl"] # 获取视频的网址 audio_url = info_dict["data"]["dash"]["audio"][0]["baseUrl"] # 获取音频的网址 video_content = requests.get(video_url, headers=head).content audio_content = requests.get(audio_url, headers=head).content with open("zhangruonan.wmv", "wb") as a: a.write(video_content) with open("zhangruonan.mp4", "wb") as b: b.write(audio_content) pass 可以看见，这次代码多了不少东西，还有些变得不一样了，没事，我们一步步分析。
二、爬虫四步走
1.UA伪装
这次UA伪装的头部代码多了不少，"Cookie"和"Referer"，这些其实都是b站的反扒机制。而且这次也不用随机生成UA了，而是使用检查里的，因为随机生成的可能是APP端的，这个用不了。
- 先登录自己的b站账号，再获取Cookie，因为每个用户的Cookie是不一样的
- 获取UA,
- 获取referer。
2.获取url
在该界面按f12进入检查界面，若是检查界面没东西的话就刷新网页，然后往上翻到第一个，复制url粘贴到pycharm即可
3.发送请求
流水的url，铁打的发送请求。
response = requests.get(url, headers=head)
4.获取响应数据进行解析并保存
- 这次不一样的地方在于，视频和音频的url在head的第四个script标签下。
- 而里面的文本内容在去除前面的"window.__playinfo__="后，取出来的是个json大字符串。
- 用json.loads方法将字符串转换成字典，再通过字典的键去取里面的视频和音频的url。
- b站的视频和音频网址都放在固定的键内，用上面给的代码即可取出来。
- 取出来之后再次发送请求，获取数据。
- 注意！！！图片，视频和音频都是二进制内容，所以用content属性获取。
- 最后， 以写二进制内容的方式存入文件中，注意文件的类型，音频是MP4，视频是MP4或者是wmv。
总结
作者的废话：
章若楠太好看啦！
封面图片：
