[已解决]爬虫爬视频返回空集

hunter魔术师

import re

import bs4
import requests
url='https://haokan.baidu.com/v?vid=9340172854313612982&tab=recommend&sfrom=recommend'
head={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.82 Safari/537.36'}
resp=requests.get(url,headers=head)
print(resp.text)
t=re.findall(r'http://.*?.mp4',resp.text)
print(t)

请问一下，我想把这个网页的视频全部爬下来，正则表达式也正确，但是结果返回空集，如何解决呀

最佳答案

月排行榜 / 总排行榜

isdkz

2022-3-22 15:18:18

匹配 http:
t=re.findall(r'http:[^"]*?.mp4',resp.text)

匹配 https:
t=re.findall(r'https:[^"]*?.mp4',resp.text)

跳转到最佳答案楼层

hunter魔术师

我发现我的resp.text爬出来的内容好像不全

isdkz

匹配 http:
t=re.findall(r'http:[^"]*?.mp4',resp.text)

匹配 https:
t=re.findall(r'https:[^"]*?.mp4',resp.text)

hunter魔术师

isdkz 发表于 2022-3-22 15:18
匹配 http:
t=re.findall(r'http:[^"]*?.mp4',resp.text)

用t=re.findall(r'https:[^"]*?.mp4',resp.text)
['https:\\/\\/vd4.bdstatic.com\\/mda-nckhek3dbwp00478\\/cae_h264_delogo\\/1647866694456130876\\/mda-nckhek3dbwp00478.mp4', 'https:\\/\\/vd4.bdstatic.com\\/mda-nckhek3dbwp00478\\/cae_h264_delogo\\/1647866694456130876\\/mda-nckhek3dbwp00478.mp4', 'https:\\/\\/vd4.bdstatic.com\\/mda-nckhek3dbwp00478\\/hd\\/cae_h264_delogo\\/1647866692707372253\\/mda-nckhek3dbwp00478.mp4'】
会出现这个\\/

hunter魔术师

isdkz 发表于 2022-3-22 15:18
匹配 http:
t=re.findall(r'http:[^"]*?.mp4',resp.text)

为啥要用[^"]这个啊，表示除了”,其他字符串出现多次，非贪婪模式 ？是这意思吗

isdkz

hunter魔术师 发表于 2022-3-22 15:55
为啥要用[^"]这个啊，表示除了”,其他字符串出现多次，非贪婪模式 ？是这意思吗

你用任意字符的话即使是非贪婪模式，也给你从 https: 一直匹配到 mp4 为止，

哪怕 https 跟 mp4 是在不同链接拿到的，

链接都会有一个双引号，所以我排除双引号可以避免 https 跟 mp4 不是取到的同一个链接

isdkz

hunter魔术师 发表于 2022-3-22 15:54
用t=re.findall(r'https:[^"]*?.mp4',resp.text)
['https:\\/\\/vd4.bdstatic.com\\/mda-nckhek3dbwp004 ...

它的源代码中就是这样的，你可以自己匹配到后替换一下就好，

t=list(map(lambda x: x.replace('\\', ''), re.findall(r'http:[^"]*?.mp4',resp.text)))

hunter魔术师

isdkz 发表于 2022-3-22 16:02
它的源代码中就是这样的，你可以自己匹配到后替换一下就好，

t=list(map(lambda x: x.replace('\\', ' ...

大神 啥时候才能达到你这水平

isdkz

hunter魔术师 发表于 2022-3-22 16:21
大神 啥时候才能达到你这水平

一步一步来，要不了多久的