https://www.douyin.com/user/MS4wLjABAAAAvOU5GclmETa4jehXAEspnMfYJQZAbwcJzfUFhZk4cP8?extra_params=%7B%22search_id%22%3A%22202107292202370102121680920629F001%22%2C%22search_result_id%22%3A%2260142255276%22%2C%22search_keyword%22%3A%22%E6%9E%9C%E6%9E%9C%E4%B8%8D%E4%B8%80%E6%A0%B7%22%2C%22search_type%22%3A%22video%22%7D&enter_method=search_result&enter_from=search_result

看到一长串的url ，有点懵逼，但是仔细看一下，后面的参数似乎是告诉服务器怎么进入到主页的，估计是服务器为了做统计日志用的，

直接去除后面的参数可以得到主页地址：

https://www.douyin.com/user/MS4wLjABAAAAvOU5GclmETa4jehXAEspnMfYJQZAbwcJzfUFhZk4cP8

在浏览器中输入地址验证我们的猜想，没毛病，正是我们想要的

2：技术选型

2.1 方案A

首先我想直接根据链接地址去找到视频的地址，然后直接下载。想法很直接，很暴力。

首先打 20000 开视频详情页面，分析视频的地址怎么来的，找到下面的请求，可以看到后面一堆参数，

具体的参数如下面：

根据我仅有的爬虫知识，我猜这是为了验证用的，不知道什么算法生成的，我也懒得去分析js，一坨乱七八糟的，而且还不知道是哪个，真鸡儿难，同时毕竟也不是我的强项，我的目标是快速解决问题

我的分析中遇到的问题：

1、首先视频主页需要动态的加载视频，也就是下滑的时候会多加载一些视频，这个可以解决，但是麻烦。

2、寻找视频的url 不知道是哪个请求，一个一个点过去才最终发现上面的url，有点费劲。

3、视频是异步加载的，需要先从主页进到详情页，然后生成上面的url，上面这个url生成我似乎搞不定，即使能搞定也要花费很久的时间

综合上面的问题，我挣扎了一段时间还是放弃了上面的方案，事情果然没有那么简单，可能是我太菜，这也给我打开了另外一扇窗就是下面的方案B

2.2 方案B

我之前知道有种爬虫技术是selenium ，但是没用过，Selenium测试直接运行在浏览器中，就像真正的用户在操作一样，所以我准备学习一下 selenium ，我的目标是爬取我喜欢的视频，并不是精通这个技术，所以在网上一顿学习，发现还挺简单的，建议测试的同学可以学一下，很好的技术

刚开始学习的时候一脸懵逼，这玩意杂用，没学过啊，有点害怕，想放弃，不过想想还有美女视频，还是鼓起了勇气去学习，最终的结果看来决定是正确的。

3、安装环境

3.1 必要的环境

方案B 是使用selenium ，所以需要安装配套的包python + selenium + chromedriver

3.2 安装 selenium

打开控制台（win +R ,输入cmd 回车，进入控制台），输入下面的命令等待安装完成

pip install selenium

安装完成后，在控制台输入python 回车，进入python的命令行界面

然后输入 import selenium 回车，如果不报错则你已经安装完成

3.3 下载 chromedriver

chromedriver 是chrome的驱动，英文大家应该看得懂的。

注意点：需要确认你chrome的版本下载对应的driver

确认版本步骤：

点击三个点 -> 帮助 -> 关于 Google Chrome 打开下面的界面，可以看到我的版本是92

打开下面的网址，选择对应的版本下载，放到某个地方解压即可，等待备用

下载地址：http://npm.taobao.org/mirrors/chromedriver/

4、代码实现

环境装好了，我们直接撸代码。

经过一段时间对selenium的学习，我大概先撸了一个hello world 的程序练练手，最终明白这就是模拟用户的操作的软件，真的不错，直接代码撸起。

4.1 代码

# coding:utf-8
import time
from collections import deque

import requests
from selenium import webdriver

# author :香菜
# 下载视频
def downVideo(url, title):
r = requests.get(url)
filepath = 'video/' + title + '.mp4'
with open(filepath, 'wb') as fp:
fp.write(r.content)
print('%s已下载' % title)
# 主函数
if __name__ == '__main__':
# chrome_options = Options()
# chrome_options.add_argument('--Headless')
# chrome_options.add_argument('--disable-gpu')
# chrome_options.add_argument(
# 'user-agent="Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36"')
# 下载的驱动的地址
driver = webdriver.Chrome('E:\child\python\python\chromedriver.exe')
driver.get('https://www.douyin.com/user/MS4wLjABAAAAvOU5GclmETa4jehXAEspnMfYJQZAbwcJzfUFhZk4cP8')
# 选择网页元素
# 防止滑动完之后能渠道之前的视频，做了一个已访问集合
hasVisit = set()
urlList = driver.find_elements_by_xpath('//*[@id="root"]/div/div[2]/div/div[4]/div[1]/div[2]/ul/li/a/div/div[1]/img')
# 因为使用了selenium ,导致网页识别到是爬虫，总会出现验证码，我手动点一下，待解决
time.sleep(10)
i = 0
ph = driver.window_handles[0]
# 我选择一个队列，因为有下拉的动作
dq = deque(urlList)
while True:
urlEl = dq.pop()
if urlEl is None:
break
if urlEl in hasVisit:
continue
hasVisit.add(urlEl)
# 点击主页的视频，进入子界面
urlEl.click()
# 取出新打开的句柄，切换当前页面到详情页
detailHandle = driver.window_handles.pop()
driver.switch_to.window(detailHandle)
# 获取视频的标签
video = driver.find_element_by_xpath('//*[@id="root"]/div/div[2]/div[1]/div[1]/div[1]/div[1]/div/div[1]/div[2]/video')
# 终于取到视频的真实地址
videoUrl = video.get_attribute("src")
# 下载视频
downVideo(videoUrl, str(i))
# 关闭当前页面
driver.close()
i = i + 1
# 回到主页
driver.switch_to.window(ph)
# 每下载三个视频，将主页往下滚动311 像素，这个不精确，待解决
if i % 3 == 0:
y = i // 3 * 311
sc = 'window.scrollBy(0,' + str(y) + ')'
driver.execute_script(sc)
# 将滑动之后的新的标签加入到队列待访问
urlListNew = driver.find_elements_by_xpath(
'//*[@id="root"]/div/div[2]/div/div[4]/div[1]/div[2]/ul/li/a/div/div[1]/img')
for s in urlListNew:
if s not in hasVisit:
dq.append(s)

代码中基本上都加了注释，我先即使不会python的人也能看懂流程。

4.2 一些点：

1、❤️ 句柄：所谓的句柄可以理解为对象指针，或者对象的引用，总之就是代表一个对象就完了，不用考虑太多

2、❤️ 主页的滚动：经过百度得到如下的代码 window.scrollBy(0，100) 就是下拉到100像素的位置，我大概根据页面的元素定位一个视频的像素是311，所以在代码里每三个滚动的距离是311像素，我没有考虑间隔的问题，可以优化下。

3、❤️ 下滑滚动会导致下载相同的视频，因为获取到了相同元素，所以我增加了visitSet

4、❤️ 页面的关闭：在开始的时候，我打开的子页面没有关闭，会打开非常多的网页，导致电脑内存不足，程序崩了

5、❤️ 在python的当前目录需要先创建video 文件夹，要不然下载的时候会报错

6、❤️ xpath：就是为了定位标签位置，代码中看的很复杂，不要害怕，那也不是我写的，因为我也不会，下面的获取方式

在页面直接F12 打开调试界面，然后选择想要查看的元素，右键就会出现下面的菜单，直接copy XPath，贴到代码里就行了

4.3 成果

下载了很多视频，可以慢慢看了，技术改变生活啊

看下运行时的画面:

在程序的控制下自动打开页面并且下载对应的视频

5、未解决的问题

☀1、滚动问题，我没有更精确的控制滚动，还有种方式就是直接在开始的时候一直滚到底，然后一次获取所有元素下载，简单暴力

☀2、验证码问题，在开始的时候总是需要手动对齐图形，所以我让程序sleep 了10秒，这种防爬虫的方式还没研究不知道怎么破解，不过不影响爬取、待研究

☀3、提供一个搜索的池子，直接从搜索主页进行出发爬取多个小姐姐的视频，不得了了，全世界的小姐姐都是你的了

6、总结

在这次爬取的过程中遇到了不少的问题，虽然最后都解决了，也总结一些经验。

⚡1、遇到问题不要怕，先试试，万一行呐

⚡2、不要放弃，想想其他的方式是不是能同样解决问题，所以有了方案B

⚡3、解决问题优先，技术不会的可以以后补充，多写代码就会熟悉

⚡4、知识迁移很重要，平常多接触，在你遇到新的东西能快速上手

这次爬虫的代码大概花费了2个多小时，主要是前期的探索花了不少的时间，这篇文章花了我接近2个小时，总共花费了两个晚上的时间。唉，还是写代码简单些，希望能动动小手帮我点个赞，支持一下，谢谢各位大佬。

常规福利

赶紧点赞！！！

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航