Node批量爬取头条视频并保存方法

简介

一般批量爬取视频或者图片的套路是，使用爬虫获得文件链接集合，然后通过 writeFile 等方法逐个保存文件。然而，头条的视频，在需要爬取的 html 文件（服务端渲染输出）中，无法捕捉视频链接。视频链接是页面在客户端渲染时，通过某些 js 文件内的算法或者解密方法，根据视频的已知 key 或者 hash 值，动态计算出来并添加到 video 标签的。这也是网站的一种反爬措施。

我们在浏览这些页面时，通过审核元素，可以看到计算后的文件地址。然而在批量下载时，逐个手动的获取视频链接显然不可取。开心的是，puppeteer 提供了模拟访问 Chrome 的功能，使我们可以爬取经过浏览器渲染出来的最终页面。

项目启动

命令

?


1

2

npm i

npm start

Notice: 安装 puppeteer 的过程稍慢，耐心等待。

配置文件

?


1

2

3

4

5

// 配置相关

module.exports = {

 originPath: ‘https://www.ixigua.com‘, // 页面请求地址

 savePath: ‘D:/videoZZ‘ // 存放路径

}

技术点

puppeteer

官方API

puppeteer 提供一个高级 API 来控制 Chrome 或者 Chromium。

puppeteer 主要作用：

利用网页生成 PDF、图片

爬取SPA应用，并生成预渲染内容（即“SSR” 服务端渲染）

可以从网站抓取内容

自动化表单提交、UI测试、键盘输入等

使用到的 API：

puppeteer.launch() 启动浏览器实例

browser.newPage() 创建一个新页面

page.goto() 进入指定网页

page.screenshot() 截图

page.waitFor() 页面等待，可以是时间、某个元素、某个函数

page.$eval() 获取一个指定元素，相当于 document.querySelector

page.$$eval() 获取某类元素，相当于 document.querySelectorAll

page.$(‘#id .className‘) 获取文档中的某个元素，操作类似jQuery

代码示例

?


1

2

3

4

5

6

7

8

9

10

const puppeteer = require(‘puppeteer‘);

 

(async () => {

 const browser = await puppeteer.launch();

 const page = await browser.newPage();

 await page.goto(‘https://example.com‘);

 await page.screenshot({path: ‘example.png‘});

 

 await browser.close();

})();

视频文件下载方法

下载视频主方法

?


1

2

3

4

5

6

7

8

9

10

11

12

13

const downloadVideo = async video => {

 // 判断视频文件是否已经下载

 if (!fs.existsSync(`${config.savePath}/${video.title}.mp4`)) {

 await getVideoData(video.src, ‘binary‘).then(fileData => {

  console.log(‘下载视频中：‘, video.title)

  savefileToPath(video.title, fileData).then(res =>

  console.log(`${res}: ${video.title}`)

  )

 })

 } else {

 console.log(`视频文件已存在：${video.title}`)

 }

}

获取视频数据

?


1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

getVideoData (url, encoding) {

 return new Promise((resolve, reject) => {

 let req = http.get(url, function (res) {

  let result = ‘‘

  encoding && res.setEncoding(encoding)

  res.on(‘data‘, function (d) {

  result += d

  })

  res.on(‘end‘, function () {

  resolve(result)

  })

  res.on(‘error‘, function (e) {

  reject(e)

  })

 })

 req.end()

 })

}

将视频数据保存到本地

?


1

2

3

4

5

6

7

8

9

10

11

savefileToPath (fileName, fileData) {

 let fileFullName = `${config.savePath}/${fileName}.mp4`

 return new Promise((resolve, reject) => {

 fs.writeFile(fileFullName, fileData, ‘binary‘, function (err) {

  if (err) {

  console.log(‘savefileToPath error:‘, err)

  }

  resolve(‘已下载‘)

 })

 })

}

金盾2016-2017逆向分析系列教程   下载地址：百度网盘下载
2017AI人工智能时代基础实战python机器学习深度学习算法全套视频教程   下载地址：百度网盘下载
2016年练数成金最新python数据分析15周视频教程附源码/案例   下载地址：百度网盘下载
实战Python Django开发博客系统   下载地址：百度网盘下载
2018Python Flask打造一个视频网站实战视频教程   下载地址：百度网盘下载
Python.Django 13集 视频教程 教学视频   下载地址：百度网盘下载
2017AI人工智能基础实战python机器深度学习算法视频教程   下载地址：百度网盘下载
Python网络爬虫Scrapy+MongoDB +Redis实战爬取腾讯视频动态评论教学视频   下载地址：百度网盘下载
2018某课网Java秒杀高性能高并发实战视频教程   下载地址：百度网盘下载
首套 Spring、SpringMVC、JPA、SpringData 整合案例视频   下载地址：百度网盘下载
价值上万基于SOA 思想下的WebService多层架构实战用户管理系统   下载地址：百度网盘下载
2017最新达内JAVA培训视频教程33G   下载地址：百度网盘下载
某课网高价Java大数据教程 Storm打造实时热力分步综合项目实战视频教程 Storm视频教程   下载地址：百度网盘下载
黑马程序员Java视频教程大全 压缩之后22G 带全套学习资料   下载地址：百度网盘下载
Redis 教程+redis微博设计处理（内涵笔记和源码）   下载地址：百度网盘下载
传智播客35期JAVA 基础+就业 (含税务系统项目)   下载地址：百度网盘下载
Git零基础到深入学习视频教程 Git极速入门课程 极客学院14集Git基础学习视频教程   下载地址：百度网盘下载
基于Laravel+VueJS实战开发WebAPP   下载地址：百度网盘下载
php微信接口开发实战项目 聊天机器人+微信支付   下载地址：百度网盘下载
php 项目开发实录全场记录   下载地址：百度网盘下载

原文地址：https://www.cnblogs.com/voleta/p/9853629.html

时间： 2024-11-09 00:44:27

Node批量爬取头条视频并保存方法的相关文章

Node 爬虫，批量爬取头条视频并保存

项目地址:GitHub 目标网站:西瓜视频项目功能:下载头条号[维辰财经]下的最新20个视频姊妹项目:批量下载美女图集 简介 一般批量爬取视频或者图片的套路是,使用爬虫获得文件链接集合,然后通过 writeFile 等方法逐个保存文件.然而,头条的视频,在需要爬取的 html 文件(服务端渲染输出)中,无法捕捉视频链接.视频链接是页面在客户端渲染时,通过某些 js 文件内的算法或者解密方法,根据视频的已知 key 或者 hash 值,动态计算出来并添加到 video 标签的.这也是网站的一种反爬

Python爬虫学习教程，批量爬取下载抖音视频

这篇文章主要为大家详细介绍了python批量爬取下载抖音视频,具有一定的参考价值,感兴趣的小伙伴们可以参考一下 这篇文章主要为大家详细介绍了python批量爬取下载抖音视频,具有一定的参考价值,感兴趣的小伙伴们可以参考一下 这篇文章主要为大家详细介绍了python批量爬取下载抖音视频,具有一定的参考价值,感兴趣的小伙伴们可以参考一下 项目源码展示: 1 ''' 2 在学习过程中有什么不懂得可以加我的 3 python学习交流扣扣qun,934109170 4 群里有不错的学习教程.开发工具与电子

爬虫新手学习2-爬虫进阶(urllib和urllib2 的区别、url转码、爬虫GET提交实例、批量爬取贴吧数据、fidder软件安装、有道翻译POST实例、豆瓣ajax数据获取)

爬虫新手学习1-爬虫基础 1.urllib和urllib2区别实例 urllib和urllib2都是接受URL请求相关模块,但是提供了不同的功能,两个最显著的不同如下: urllib可以接受URL,不能创建设置headers的Request类实例,urlib2可以. url转码 https://www.baidu.com/s?wd=%E5%AD%A6%E7%A5%9E python字符集解码加码过程: 2.爬虫GET提交实例 #coding:utf-8 import urllib #负责url编

Node实战-----爬取网页图片

在本篇博文中我将实现一个完整的实例:主要使用Node.js爬取一个网页,需要通过第三方模块cheerio.js分析这个网页的内容,最后将这个网页的图片保存个在本地. 一.项目目录与思路 新建一个项目名为:project_01,输入命令在控制台,使其生成package.json文件: 命令: npm init 在控制台输入npm install命令下载需要的模块,在本项目中需要的request和cheerio模块,将使用命令进行下载到本地: 命令: npm install request chee

requests爬取梨视频主页所有视频

爬取梨视频步骤: 1.爬取梨视频主页,获取主页所有的详情页链接 - url: https://www.pearvideo.com/ - 1) 往url发送请求,获取主页的html文本 - 2) 解析并提取详情页相对路径video_1637593,与主页拼接即可 - 拼接后获取的是电影详情页url: - detail_url: https://www.pearvideo.com/ + video_1637593 2.往电影详情页发送请求,解析并提取真实视频url--> .mp4后缀的视频url -

爬取梨视频主页所有视频

import requests import re import uuid from concurrent.futures import ThreadPoolExecutor pool = ThreadPoolExecutor(50) # 爬虫三部曲 # 1.发送请求 def get_html(url): print(f'start: {url}...') response = requests.get(url) return response # 2.解析数据 # 解析主页,获取视频详情页ur

利用nas或者vps爬取91视频

前些日子闲逛知乎想找一找黑群晖还能进行什么高级应用,看见某匿名答主写的爬取91视频的代码.嗯--小研究了下,确实很不错.但是答主并没有详细介绍如何使用,对于小白有些摸不到头脑.自己研究了一下配置还算简单,介绍下使用教程.需要一台能访问该网站的VPS或者nas,不能的话那就需要富强上网了.自己写了个各VPS的比较及推荐,仅供参考.以下以操作系统以ubuntu16.04为例.首先使用xshell连接到你自己的nas或者vps.1.更新ap-getapt-get update2.安装phpapt-ge

python爬取小视频，看完身体一天不如一天！

Python现在非常火,语法简单而且功能强大,很多同学都想学Python!所以在这里给各位看官们准备了高价值Python学习视频教程及相关电子版书籍,都放在了文章结尾,欢迎前来领取!python爬取小视频记录学习python简单爬虫小程序,记录代码和学习过程环境信息python 2.7.12分析与步骤 要分析网站信息 http://www.budejie.com/video/ 查看网页不同页面的信息http://www.budejie.com/video/2http://www.budejie.

Python爬取网页的三种方法

# Python爬取网页的三种方法之一:  使用urllib或者urllib2模块的getparam方法 import urllib fopen1 = urllib.urlopen('http://www.baidu.com').info() fopen2 = urllib2.urlopen('http://www.sina.com').info() print fopen1.getparam('charset') print fopen2.getparam('charset') #----有些