python爬虫爬取抖音视频的翻页问题如何解决?
各位大佬,求助。最近想尝试利用python爬虫,爬取某一抖音博主的全部视频。
但是在爬取过程中遇到了一个问题,即翻页问题。
在抖音中,最初打开抖音博主的主页时,会自动加载20个左右的视频及其链接。当鼠标滑到页面末尾的时候,会自动加载后续的视频内容。整个过程没有翻页的相关按钮,是自动完成的后续内容加载。
但是在爬取的过程中,只会获取到最初的20个视频的链接,想请问,如何通过程序,自动完成“翻页”并加载该抖音博主的全部视频链接?
以下附我的代码,希望各位大佬指点。
import requestsfrom bs4 import BeautifulSoup
headers = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36",
'cookie': 'douyin.com',
'sec-ch-ua': '".Not/A)Brand";v="99", "Google Chrome";v="103", "Chromium";v="103"',
}
def get_share_url(url):
try:
r = requests.get(url=url, headers=headers, allow_redirects=False)
return r.headers['location']
except Exception as e:
print("解析失败")
print(e)
def get_video_url(url):
if not url:
return
try:
url_new = 'https://www.douyin.com/user/MS4wLjABAAAAp3rtDfotN7-mHjDIr0XR2XJ5g0C1DIVAuJYgBHJYX-xJLZgoHvfN0r0yAWTLybn7'
r = requests.get(url=url_new, headers=headers)
html = BeautifulSoup(r.text, 'html.parser')
result = html.find_all('a', 'B3AsdZT9 chmb2GX8 UwG3qaZV')
for item in result:
get_video(item['href'])
except Exception as e:
print("解析失败")
print(e)
def get_video(video_url):
vid = video_url[-19:]
print(vid)
xhr_url = f'https://www.iesdouyin.com/web/api/v2/aweme/iteminfo/?item_ids={vid}'
r = requests.get(url=xhr_url, headers=headers).json()
video_url_a = r['item_list'][0]['video']['play_addr']['url_list'][0]
return
if __name__ == "__main__":
# 抖音APP分享的短链接
url = 'https://v.douyin.com/2Qj3mHB/'
share_url = get_share_url(url)
video_url = get_video_url(share_url)
print("Finished")
运行结果如下:
69805937197706805836991623262421732645
6982747467158687012
7122118979715386639
7122012417067945216
7110354925598559488
7095343365453090089
7081217800802405632
7064352556000038178
7054563255129296168
7047288931666119951
7045083352319134976
7039272094689070376
7038262801579642112
7034134213125213474
7025548403216059663
7023583223586229504
7021062565593763087
7016236019557092616
7011905311443275015
7010997973106674952
6996280723158207774
Finished
运行结果输出的是该博主前22个视频的id。而后面的十来个视频的id则没有加载。
回答:
翻页方式:
- page, 示例:
https://segmentfault.com/u/ponponon/articles
- max_id, 示例:
https://segmentfault.com/questions/subscribed
你说的是后者
page index 翻页方式:
max_id 翻页方式:
用最大最小id、或者最新最旧时间来获取下一页内容
比如 segmentfault 的问答页用的就是 『最新时间』 来做偏移量(就是那个 offset=1658568925246)
以上是 python爬虫爬取抖音视频的翻页问题如何解决? 的全部内容, 来源链接: utcz.com/p/938552.html