本次使用python包中的requests库、re库和beautifulsoup库对校园视频网站http://10.22.1.18/Show/Index?PRIMARVIDEO_ID=11792 电视剧青春期撞上更年期进行视频下载。
步骤如下：
首先需要根据url获得网页源代码
- 根据源代码中的是视频地址特性可以发现视频链接存储在script标签的脚本中。找到对应的视频id，第一集为11792。通过视频id设置对应的集数。
- 使用beautiful库对script标签进行查找。获得script标签中对应的文本。
- 使用正则表达式r'((http|ftp|https)://).+.mp4' 对视频链接进行查找获取，调用re.search() API。
- 使用requests库中的get函数获取视频文件内容并使用
获得本地文件
image.png
# -*- coding: utf-8 -*-
"""
Created on Fri Jun 02 14:46:36 2017
@author: Sean Chang
"""
import requests
import re
from bs4 import BeautifulSoup
def getHTMLText(url):
#返回url对应的网页源代码
try:
r = requests.get(url)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return ""
def vedioaddress(url,num):
n1 = 11791 #第一集的编号-1
url = url + str(n1+num)
return url
def getVedioAddress(url,num):
html = getHTMLText(vedioaddress(url,num))
soup = BeautifulSoup(html, 'html.parser')
a = soup.find_all('script')
address= ''
mstr= ''
for i in a:
if (i.string != None):
mstr = mstr+str(i.string)
address = re.search(r'((http|ftp|https)://).+\.mp4',mstr).group(0).split("'")[0]
return address
def main():
vediourl = getVedioAddress('http://10.22.1.18/Show/Index?PRIMARVIDEO_ID=',1)
r = requests.get(vediourl)
with open(vediourl.split('/')[-1], "wb") as code:
code.write(r.content)
main()
