python爬虫爬取快手视频多线程下载功能
作者：冰蓝的天空
环境： python 2.7 + win10
工具：fiddler postman 安卓模拟器
首先，打开fiddler，fiddler作为http/https 抓包神器，这里就不多介绍。
配置允许https
配置允许远程连接 也就是打开http代理
电脑ip: 192.168.1.110
然后 确保手机和电脑是在一个局域网下，可以通信。由于我这边没有安卓手机，就用了安卓模拟器代替，效果一样的。
打开手机浏览器，输入192.168.1.110:8888 也就是设置的代理地址，安装证书之后才能抓包
安装证书之后，在 WiFi设置 修改网络 手动指定http代理
保存后就可以了，fiddler就可以抓到app的数据了，打开快手 刷新，可以 看到有很多http请求进来，一般接口地址之类的很明显的，可以看到 是json类型的
http post请求，返回数据是json ，展开后发现一共是20条视频信息，先确保是否正确，找一个视频链接看下。
ok 是可以播放的 很干净也没有水印。
那么现在打开 postman 来模拟这个post 看看有没有检验参数
一共是这么多参数，我以为 client_key 和 sign 会验证...可是 后面 发现我错了 啥也没验证 就这样提交过去就行...
form-data 方式提交则报错
那换 raw 这种
报错信息不一样了，试试加上 headers
nice 成功返回数据，我又多试几次，发现每次返回结果不一样，都是 20个视频，刚才其中post参数中 有个page=1 可能一直都是第一页 就像一直在手机上不往下翻了 就开始一直刷新那样，反正 也无所谓，只要返回数据 不重复就好。
下面就开始上代码
# -*-coding:utf-8-*-
# author : Corleone
import urllib2,urllib
import json,os,re,socket,time,sys
import Queue
import threading
import logging
# 日志模块
logger = logging.getLogger("AppName")
formatter = logging.Formatter('%(asctime)s %(levelname)-5s: %(message)s')
console_handler = logging.StreamHandler(sys.stdout)
console_handler.formatter = formatter
logger.addHandler(console_handler)
logger.setLevel(logging.INFO)
video_q = Queue.Queue() # 视频队列
def get_video():
url = "http://101.251.217.210/rest/n/feed/hot?app=0&lon=121.372027&c=BOYA_BAIDU_PINZHUAN&sys=ANDROID_4.1.2&mod=HUAWEI(HUAWEI%20C8813Q)&did=ANDROID_e0e0ef947bbbc243&ver=5.4&net=WIFI&country_code=cn&iuid=&appver=5.4.7.5559&max_memory=128&oc=BOYA_BAIDU_PINZHUAN&ftt=&ud=0&language=zh-cn&lat=31.319303 "
data = {
'type': 7,
'page': 2,
'coldStart': 'false',
'count': 20,
'pv': 'false',
'id': 5,
'refreshTimes': 4,
'pcursor': 1,
'os': 'android',
'client_key': '3c2cd3f3',
'sig': '22769f2f5c0045381203fc57d1b5ad9b'
}
req = urllib2.Request(url)
req.add_header("User-Agent", "kwai-android")
req.add_header("Content-Type", "application/x-www-form-urlencoded")
params = urllib.urlencode(data)
try:
html = urllib2.urlopen(req, params).read()
except urllib2.URLError:
logger.warning(u"网络不稳定 正在重试访问")
html = urllib2.urlopen(req, params).read()
result = json.loads(html)
reg = re.compile(u"[\u4e00-\u9fa5]+") # 只匹配中文
for x in result['feeds']:
try:
title = x['caption'].replace("\n","")
name = " ".join(reg.findall(title))
video_q.put([name, x['photo_id'], x['main_mv_urls'][0]['url']])
except KeyError:
pass
def download(video_q):
path = u"D:\快手"
while True:
data = video_q.get()
name = data[0].replace("\n","")
id = data[1]
url = data[2]
file = os.path.join(path, name + ".mp4")
logger.info(u"正在下载：%s" %name)
try:
urllib.urlretrieve(url,file)
except IOError:
file = os.path.join(path, u"神经病呀"+ '%s.mp4') %id
try:
urllib.urlretrieve(url, file)
except (socket.error,urllib.ContentTooShortError):
logger.warning(u"请求被断开，休眠2秒")
time.sleep(2)
urllib.urlretrieve(url, file)
logger.info(u"下载完成：%s" % name)
video_q.task_done()
def main():
# 使用帮助
try:
threads = int(sys.argv[1])
except (IndexError, ValueError):
print u"\n用法: " + sys.argv[0] + u" [线程数:10] \n"
print u"例如：" + sys.argv[0] + " 10" + u" 爬取视频 开启10个线程 每天爬取一次 一次2000个视频左右(空格隔开)"
return False
# 判断目录
if os.path.exists(u'D:\快手') == False:
os.makedirs(u'D:\快手')
# 解析网页
logger.info(u"正在爬取网页")
for x in range(1,100):
logger.info(u"第 %s 次请求" % x)
get_video()
num = video_q.qsize()
logger.info(u"共 %s 视频" %num)
# 多线程下载
for y in range(threads):
t = threading.Thread(target=download,args=(video_q,))
t.setDaemon(True)
t.start()
video_q.join()
logger.info(u"-----------全部已经爬取完成---------------")
main()
下面测试
多线程下载 每次下载 2000 个视频左右 默认下载到D:\快手
好了 这次就到这结束了，其实也很简单，快手竟然没有加密。。。因为 爬 抖音的时候 就碰到问题了.....
总结
以上所述是小编给大家介绍的python爬虫爬取快手视频多线程下载，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！