簡(jiǎn)介

成都創(chuàng)新互聯(lián)公司專注于企業(yè)營(yíng)銷型網(wǎng)站、網(wǎng)站重做改版、臥龍網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、成都h5網(wǎng)站建設(shè)、成都做商城網(wǎng)站、集團(tuán)公司官網(wǎng)建設(shè)、成都外貿(mào)網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性價(jià)比高，為臥龍等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。

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 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，無法捕捉視頻鏈接。視頻鏈接是頁面在客戶端渲染時(shí)，通過某些 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覽這些頁面時(shí)，通過審核元素，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 Chrome 的功能，使我們可以爬取經(jīng)過瀏覽器渲染出來的最終頁面。

項(xiàng)目啟動(dòng)

命令

npm i
npm start

Notice: 安裝 puppeteer 的過程稍慢，耐心等待。

配置文件

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

技術(shù)點(diǎn)

puppeteer

官方API

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

puppeteer 主要作用：

利用網(wǎng)頁生成 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)新頁面

page.goto() 進(jìn)入指定網(wǎng)頁

page.screenshot() 截圖

page.waitFor() 頁面等待，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();
})();

視頻文件下載方法

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')
 })
 })
}

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