前段时间安装了一个慕课网app,发现不用注册就可以在线看其中的视频,就有了爬取其中的视频的想法,用来在电脑上学习。(我的新书《Python爬虫开发与项目实战》发布了,大家在这里可以看到样章)
我使用的是pycharm进行开发,使用BeautifulSoup模块解析html,整个代码进行了比较详细的注释。
整个工程结构:
工程结构图----entity
--------__init__.py
--------fileinfor.py用来描述视频文件信息
----filedeal
--------__init__.py
--------file_downloader.py用于视频文件的下载
----spider 爬虫的核心内容
--------__init__.py
--------html_downloader.py html下载器
--------html_parser.py html解析器
--------spiderman.py 爬虫核心逻辑
----test test文件夹主要是用来测试一些用例,不参与整个程序运行
----conf.py 一些全局变量
----index.py 程序启动入口
运行环境:
python 2.7.X
需要安装的支持模块:
BeautifulSoup (pip install或者下载源代码包setup.py),下载链接:https://pypi.python.org/pypi/beautifulsoup4/4.3.2
运行:在windows上直接双击start.bat,linux上没试
现在将程序运行起来,双击start.bat:
运行输入课程号,选择视频品质:
等到显示100%时,会将视频下载到当前目录下
源代码在我的github上: https://github.com/qiyeboy/spider_smooc
欢迎大家指教学习,记得关注我微信哟
网友评论