python爬虫爬取快手视频多线程下载功能

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网站的支持！

来源：http://www.cnblogs.com/binglansky/p/8483096.html