摘要：斗破苍穹#年番第集更新，决战云岚剧情正式开启大家好，我是辣条。最近被室友安利热血动漫番《终末的女武神》和《拳愿阿修罗》，太上头了周末休息熬夜看完了。不过资源不太好找，辣条一怒爬取了资源，这下可以看个够了。室友崇拜连连，想起了我的班花，快点开学啊，阿西吧...…

斗破苍穹#年番第集更新，决战云岚剧情正式开启

大家好，我是辣条。

最近被室友安利热血动漫番《终末的女武神》和《拳愿阿修罗》，太上头了周末休息熬夜看完了。不过资源不太好找，辣条一怒爬取了资源，这下可以看个够了。室友崇拜连连，想起了我的班花，快点开学啊，阿西吧...

Python爬虫-vip动漫采集

效果展示

爬取目标

网站目标：樱花动漫

工具使用

开发工具：pycharm

开发环境：python3.7， Windows10

使用工具包：requests，lxml， re，tqdm

重点学习内容

正则的使用 tqdm的使用 各种音频数据的处理

项目思路解析

搜索你需要的动漫数据，根据自己需要的视频不同解析视频的方法也是不一样的（会挑选两种视频进行解析）

在当前页面需要提取出对应的章节信息，获取到章节信息的a标签的跳转内容，提取出每个章节的名字，提取章节的方法我使用的xpath的方法（各位大佬可自行尝试其他的方法）

headers = {
    &#;User-Agent&#;: &#;Mozilla/ (Windows NT ; Win64; x64) AppleWebKit/ (KHTML, like Gecko) Chrome/ Safari/&#;,
    &#;Referer&#;: &#;http://www.imomoe.la/search.asp&#;
}

url = &#;http://www.imomoe.la/view/.html&#;
response = requests.get(url, headers=headers)
# print(response.content.decode(&#;gbk&#;))
html_data = etree.HTML(response.content.decode(&#;gbk&#;))
chapter_list = html_data.xpath(&#;//div[@class=&#;movurl&#;]/ul/li/a/text()&#;)
chapter_url_list = html_data.xpath(&#;//div[@class=&#;movurl&#;]/ul/li/a/@href&#;)[0]

url的数据需要自行拼接，根据新的url获取详情页面的数据

按照正常思路首先应该查看播放地址是否为静态数据

明显看出数据并不是静态数据，在区分是否为动态数据，通过抓包工具进行获取。

也并不是动态数据，媒体数据也不知道怎么形成的。

从头再来从前端页面在进行解析，找视频页面的事件。

并没有发现有效数据，但是在iframe下面的Script标签有js跳转地址 ，解析的数据网址和视频的播放地址是一样的域名， 点击查看， 这不是就是我们找的视频播放地址嘛 ，终于找到了，开始实现 在当前页面通过xpath方式提取出script里的js跳转地址， 拼接出新的视频链接播放地址，发送请求，通过正则表达式提取出所有MP4播放地址。

new_url = &#;http://www.imomoe.la&#; + chapter_url_list
response = requests.get(new_url, headers=headers)
html = etree.HTML(response.content.decode(&#;gbk&#;))

data_url = &#;http://www.imomoe.la&#; + html.xpath(&#;//div[@class=&#;player&#;]/script[1]/@src&#;)[0]
res = requests.get(data_url, headers=headers).text
# print(res)
play_url_list = re.findall(&#;\$(.*?)\$flv&#;, res)
print(play_url_list)

保存对视频数据发送请求，保存数据到mp4 ，通过tqdm工具能查看对应下载的速度以及下载的进度

for chapter, play_url in tqdm(zip(chapter_list, play_url_list)):
    result = requests.get(play_url, headers=headers).content
    f = open(&#;终末的女武神/&#; + chapter + &#;.mp4&#;, &#;wb&#;)
    f.write(result)

到这大功告成 但是当我把网址修改成斗破苍穹这个动漫时，却返回的数据为空 

这个视频的加载数据的规则是不一样的加载的数据为m3u8的格式， 其他的音频的数据加载可能也不一样， 处理m3u8的数据稍稍的有丢丢复杂，它的m3u8的文件内部有嵌套了m3u8链接地址， 需要转换对应的数据接口，进行链接地址拼接， 取出ts文件进行下载，拼接成视频。

m3u8_url_list = re.findall(&#;\$(.*?)\$bdhd&#;, res)
for m3u8_url, chapter in zip(m3u8_url_list, chapter_list):
    data = requests.get(m3u8_url, headers=headers)
    # print(data.text)
    new_m3u8_url = &#;https://cdn.-zy.com/&#; + re.findall(&#;/(.*?m3u8)&#;, data.text)[0]
    # print(new_m3u8_url)
    ts_data = requests.get(new_m3u8_url, headers=headers)
    ts_url_list = re.findall(&#;/(.*?ts)&#;, ts_data.text)
    print(&#;正在下载：&#;, chapter)
    for ts_url in tqdm(ts_url_list):
        result = requests.get(&#;https://cdn.-zy.com/&#; + ts_url).content
        f = open(&#;斗破苍穹/&#; + chapter + &#;.mp4&#;, &#;ab&#;)
        f.write(result)

项目思路总结

• 获取到想要动漫的地址
• 提取详情页面的名字已经跳转地址
• 获取页面的静态js文件
• 解析视频播放地址或者m3u8文件
• 保存对应数据

简易源码分享

import requests
from lxml import etree
import re
from tqdm import tqdm


headers = {
    &#;User-Agent&#;: &#;Mozilla/ (Windows NT ; Win64; x64) AppleWebKit/ (KHTML, like Gecko) Chrome/ Safari/&#;,
    &#;Referer&#;: &#;http://www.imomoe.la/search.asp&#;
}

url = &#;http://www.imomoe.la/view/.html&#;
response = requests.get(url, headers=headers)
# print(response.content.decode(&#;gbk&#;))
html_data = etree.HTML(response.content.decode(&#;gbk&#;))
chapter_list = html_data.xpath(&#;//div[@class=&#;movurl&#;]/ul/li/a/text()&#;)
chapter_url_list = html_data.xpath(&#;//div[@class=&#;movurl&#;]/ul/li/a/@href&#;)[0]
# print(chapter_list)
# print(chapter_url_list)
new_url = &#;http://www.imomoe.la&#; + chapter_url_list
response = requests.get(new_url, headers=headers)
html = etree.HTML(response.content.decode(&#;gbk&#;))

data_url = &#;http://www.imomoe.la&#; + html.xpath(&#;//div[@class=&#;player&#;]/script[1]/@src&#;)[0]
res = requests.get(data_url, headers=headers).text
# print(res)
play_url_list = re.findall(&#;\$(.*?)\$flv&#;, res)
print(play_url_list)

for chapter, play_url in tqdm(zip(chapter_list, play_url_list)):
    result = requests.get(play_url, headers=headers).content
    f = open(&#;终末的女武神/&#; + chapter + &#;.mp4&#;, &#;wb&#;)
    f.write(result)

发现不会的或者学习Python的，可以直接评论留言或者私我【非常感谢你的点赞、收藏、关注、评论，一键四连支持】

最后，小编想说：我是一名python开发工程师，整理了一套最新的python系统学习教程，想要这些资料的可以关注私信小编“”即可（免费分享哦）希望能对你有所帮助.