摘要：目標(biāo)網(wǎng)站西瓜視頻項(xiàng)目功能下載頭條號(hào)維辰財(cái)經(jīng)下的最新個(gè)視頻項(xiàng)目地址地址姊妹項(xiàng)目批量下載美女圖集簡(jiǎn)介一般批量爬取視頻或者圖片的套路是，使用爬蟲獲得文件鏈接集合，然后通過(guò)等方法逐個(gè)保存文件。然而在批量下載時(shí)，逐個(gè)手動(dòng)的獲取視頻鏈接顯然不可取。

目標(biāo)網(wǎng)站：西瓜視頻
項(xiàng)目功能：下載頭條號(hào)【維辰財(cái)經(jīng)】下的最新20個(gè)視頻
項(xiàng)目地址：Github 地址
姊妹項(xiàng)目：批量下載美女圖集

一般批量爬取視頻或者圖片的套路是，使用爬蟲獲得文件鏈接集合，然后通過(guò) writeFile 等方法逐個(gè)保存文件。然而，頭條的視頻，在需要爬取的 html 文件（服務(wù)端渲染輸出）中，無(wú)法捕捉視頻鏈接。視頻鏈接是頁(yè)面在客戶端渲染時(shí)，通過(guò)某些 js 文件內(nèi)的算法或者解密方法，根據(jù)視頻的已知 key 或者 hash 值，動(dòng)態(tài)計(jì)算出來(lái)并添加到 video 標(biāo)簽的。這也是網(wǎng)站的一種反爬措施。

我們?cè)跒g覽這些頁(yè)面時(shí)，通過(guò)審核元素，可以看到計(jì)算后的文件地址。然而在批量下載時(shí)，逐個(gè)手動(dòng)的獲取視頻鏈接顯然不可取。開心的是，puppeteer 提供了模擬訪問(wèn) Chrome 的功能，使我們可以爬取經(jīng)過(guò)瀏覽器渲染出來(lái)的最終頁(yè)面。

命令

npm i
npm start

Notice: 安裝 puppeteer 的過(guò)程稍慢，耐心等待。

配置文件

// 配置相關(guān)
module.exports =  {
  originPath: "https://www.ixigua.com", // 頁(yè)面請(qǐng)求地址
  savePath: "D:/videoZZ" // 存放路徑
}

puppeteer

官方API

puppeteer 提供一個(gè)高級(jí) API 來(lái)控制 Chrome 或者 Chromium。

puppeteer 主要作用：

利用網(wǎng)頁(yè)生成 PDF、圖片

爬取SPA應(yīng)用，并生成預(yù)渲染內(nèi)容（即“SSR” 服務(wù)端渲染）

可以從網(wǎng)站抓取內(nèi)容

自動(dòng)化表單提交、UI測(cè)試、鍵盤輸入等

使用到的 API：

puppeteer.launch() 啟動(dòng)瀏覽器實(shí)例

browser.newPage() 創(chuàng)建一個(gè)新頁(yè)面

page.goto() 進(jìn)入指定網(wǎng)頁(yè)

page.screenshot() 截圖

page.waitFor() 頁(yè)面等待，可以是時(shí)間、某個(gè)元素、某個(gè)函數(shù)

page.$eval() 獲取一個(gè)指定元素，相當(dāng)于 document.querySelector

page.$$eval() 獲取某類元素，相當(dāng)于 document.querySelectorAll

page.$("#id .className") 獲取文檔中的某個(gè)元素，操作類似jQuery

代碼示例

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();
})();

下載視頻主方法

const downloadVideo = async video => {
  // 判斷視頻文件是否已經(jīng)下載
  if (!fs.existsSync(`${config.savePath}/${video.title}.mp4`)) {
    await getVideoData(video.src, "binary").then(fileData => {
      console.log("下載視頻中：", video.title)
      savefileToPath(video.title, fileData).then(res =>
        console.log(`${res}: ${video.title}`)
      )
    })
  } else {
    console.log(`視頻文件已存在：${video.title}`)
  }
}

獲取視頻數(shù)據(jù)

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()
  })
}

將視頻數(shù)據(jù)保存到本地

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("已下載")
    })
  })
}

此爬蟲僅用于個(gè)人學(xué)習(xí)，如果侵權(quán)，即刻刪除！