用python把B站小姐姐跳舞视频爬下来，并打包成可以直接运行的exe文件
一、写在前面
因为小破站的音频和视频画面是分开的 (番剧也是一样的)，正常爬下来是这样。
额，这么截图，小姐姐的脸都变形了…
本来还是挺好看的一姑娘，算了不管她。
所以我们需要额外的去安装一个软件FFmpeg用来合成视频，然后配置环境变量就可以了。
软件和安装过程我都放在网盘了，大家任意自取。
网盘链接：FFmpeg安装包及安装方法
提取码：qwer
合成过程
合成成功
这个封面着实不给力，大家自己去试的时候，换一个吧…
首先导入模块
import requests # 数据请求模块 第三方模块 pip install requests import re # 正则表达式 内置模块 不需要安装 import pprint # 格式化输出模块 import json # 序列化和反序列化 import subprocess import os
发送请求 以及获取数据函数
#单引号/双引号/三引号括起来的内容是字符串数据。 #三引号也可以作为注释，多行代码注释。 def get_response(html_url): """ :param html_url: 请求的url地址 :return: 返回请求服务器返回的响应数据 """ # 在发送请求之前, 需要进行伪装 headers 请求头 # user-agent 浏览器基本标识 用户代理 基本伪装 反反爬的手段 # 出现 403 加防盗链 referer 告诉服务器, 我们发送请求的url地址 是从哪里跳转过来的 headers = { 'referer': 'https://search.bilibili.com/', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36' } response = requests.get(url=html_url, headers=headers) # 请求代码 # <Response [200]> 对象response响应对象 200 状态码 表示请求成功 # 404 >>> 你所拨打的电话是空号 >>> 网址出错 # 403 >>> 你所拨打的电话不在服务区 >>> 你没有访问权限 # 100-500 300还行 return response
获取视频标题 / 音频 url地址 / 视频画面url地址
def get_video_info(html_url): """ :param html_url: 视频的详情页 :return: 视频标题 / 音频 url地址 / 视频画面url地址 """ response = get_response(html_url=html_url) # response.text 获取响应体的文本数据 # print(response.text) 获取html字符串数据 # 只要你可以看到数据 就可以下载 进行批量下载 # 解析数据 提取视频标题 re正则表达式 css选择器 xpath(解析方式) bs4 parsel lxml (解析模块) jsonpath 主要提取json数据 # ['【4K美女】此视频禁止曹贼入内~~'] 正则表达式提取的数据内容 返回都是列表数据类型 [0] 列表 索引取值 # 通过re正则表达式里面findall 方法 提取数据内容 '<h1 title="(.*?)" class="video-title">' 我想要的提取数据 # 想要的内容用括号括起来 .*? 可以匹配任意字符(除了换行符以外\n) 从 response.text 里面查找数据 title = re.findall('<h1 title="(.*?)" class="video-title">', response.text)[0].replace(' ', '') # 标题 title = re.sub(r'[/\*:"?<>|]', '', title) html_data = re.findall('<script>window.__playinfo__=(.*?)</script>', response.text)[0] # 播放信息的 # html_data 是什么样的数据类型 <class 'str'> # 为了更加方便提取数据, 可以字符串数据 转换成 字典数据类型 # print(type(response.text)) # print(title) # print(html_data) # pprint.pprint(html_data) # print(type(html_data)) json_data = json.loads(html_data) # 根据冒号左边的内容, 提取冒号右边的内容 键值对取值 # 注册账号 电话号码 或者 身份证号码 数字个数是多的吧 然后不能瞎填 audio_url = json_data['data']['dash']['audio'][0]['baseUrl'] video_url = json_data['data']['dash']['video'][0]['baseUrl'] video_info = [title, audio_url, video_url] # pprint.pprint(json_data) # print(audio_url) # print(video_url) return video_info
保存数据函数
def save(title, audio_url, video_url): """ :param title: 视频标题 :param audio_url: 音频url :param video_url: 视频画面url :return: """ # 保存音频 视频数据 获取二进制数据内容 # 403 没有访问的权限
# Python视频教程、源码、电子书、软件、解答、学习路线图、加群 924040232
audio_content = get_response(html_url=audio_url).content video_content = get_response(html_url=video_url).content # 英文符号 with open(title + '.mp3', mode='wb') as f: f.write(audio_content) with open(title + '.mp4', mode='wb') as f: f.write(video_content) print(title, '保存成功~~~')
数据的合并
def merge_data(video_name): print('视频合成开始:', video_name) cmd = f"ffmpeg -i {video_name}.mp4 -i {video_name}.mp3 -c:v copy -c:a aac -strict experimental {video_name}output.mp4" # print(cmd) subprocess.run(cmd, shell=True) print('视频合成结束:', video_name) os.remove(f'{video_name}.mp4') os.remove(f'{video_name}.mp3')
如果运行没保存，但是没有下载结果的话，就是你的环境变量没设置好，我们把合并程序的文件路径放上去就行了。
cmd = f"C:\\ffmpeg\\bin\\ffmpeg -i
获取某一个up主所有视频bv号
def get_video_id(html_url): """ :param html_url: 视频信息数据包 :return: """ json_data = get_response(html_url).json()['data']['list']['vlist'] bv_id_list = [i['bvid'] for i in json_data] return bv_id_list
主函数
def main(html_url): """ :param bv_id: bv号 :return: """ bv_id_list = get_video_id(html_url) for index in bv_id_list: url = f'https://www.bilibili.com/video/{index}' video_info = get_video_info(url) # [title, audio_url, video_url] save(video_info[0], video_info[1], video_info[2]) merge_data(video_info[0]) if __name__ == '__main__': for page in range(1, 5): url = f'https://api.bilibili.com/x/space/arc/search?mid=81595107&ps=30&tid=0&pn={page}&keyword=&order=pubdate&jsonp=jsonp' main(url)
兄弟们悠着点，看多了遭不住。
兄弟们，学废了吗？
觉得还行的话，记得三连哈~
