python爬虫：爬取网站视频

新建一个py文件，代码如下：

#!/usr/bin/python

# -*- coding: UTF-8 -*-

import urllib,re,requests

import sys

reload(sys)

sys.setdefaultencoding('utf-8')

url_name = [] #url name

def get():

    #获取源码

    hd = {"User-Agent":"Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"}

    url = 'http://www.budejie.com/video/'

    html = requests.get(url,headers=hd).text

    url_content = re.compile(r'(.*?.*?)',re.S) #编译

    url_contents = re.findall(url_content,html) #匹配

    for i in url_contents:

        #匹配视频

        url_reg = r'data-mp4="(.*?)"'  #视频地址

        url_items = re.findall(url_reg,i)

        #print url_items

        if url_items:  #判断视频是否存在

            name_reg = re.compile(r'(.*?)',re.S)

            name_items = re.findall(name_reg,i)

            #print name_items[0]

            for i,k in zip(name_items,url_items):

                url_name.append([i,k])

                print i,k

    for i in url_name:  #i[1]=url i[0]=name

        urllib.urlretrieve(i[1],'video\%s.mp4' % (i[0].decode('utf-8')))

if __name__ == "__main__":

    get()

在 py 文件下新建一个 video 文件夹，执行后结果如下：

在 video 文件夹可以看到下载好的视频

注意报错：

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-9: ordinal not in range(128)

解决：

import sys
reload(sys)

sys.setdefaultencoding('utf-8')