说明:最近在B站看一些材料力学视频时候,感觉有一些分集狂魔的分集真的很恐怖,有的甚至上百集,因此决定写个小脚本每次分析下到底这个系列视频到底有多长。
好了,下面是分析过程:
第一步当然是打开一个视频
接着第二部右键查看源代码
既然我们是要查找时间,然后我就搜索time相关的,哟!,还真有,其中有个timelength,英语有点基础的应该也能读出,这不就是时长的意思。哈哈哈,这也太简单了,但是又发现高兴太早了,这个经过不论是除60还是除3600都无法得到需要的结果,就在这时,突然一个乘法口诀蹦了出来,这个timelength的前几位除60不就是要的结果吗,这样我们就顺利找到了
接下来又出现一个问题,这一个页面的是出来的,但是一共有多少总不能每次都要输入吧,接下来就继续分析
看了一下,一共有93集,但是直接搜肯定是不行的,毕竟搜了一下有一百多个。看来要另想出路了。
想到刚才的timelength参数是使用的类似字典类型,那我接按字典的格式搜不也行吗,
这下行了,搜到的第一个就是,哈哈,我都有些自负了,这也太简单了,这个问题再次被顺利解决了。
最后是代码,小白写,大佬勿喷,如有不足还请谅解,源码已上传至GitHub
import requests
import re
import pygame
import time
header = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
'Chrome/74.0.3729.157 ''Safari/537.36 '}
class Bili(object):
def __init__(self, url):
self.url = url
self.max_page = 0
self.the_time = list()
self.sum_time = 0
self.b_url = 'https://www.bilibili.com/video/av' + re.search(r'av(\d+)', url).group(1) + '?p='
@staticmethod
def get_html(acp_url):
try:
r = requests.get(acp_url, headers=header)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except Exception as result:
print("get_html:", result)
return ""
def parse_max_page(self):
self.max_page = int(re.findall(r'videos":(.+?),', self.get_html(self.url))[0])
def parse_time(self, se_url):
text = self.get_html(se_url)
single_time = re.findall(r'"timelength":(\d+),', text)[0][:-3]
return single_time
def get_time(self):
for i in range(self.max_page + 1):
s_url = self.b_url + str(i)
ret = self.parse_time(s_url)
self.the_time.append(ret)
print("第%d页 time=%s" % (i, ret))
for each in self.the_time:
self.sum_time += int(each)
print("sum_time:%.3s h" % str(self.sum_time / 60))
def main(self):
self.parse_max_page()
self.get_time()
if __name__ == '__main__':
i_url = input("请输入链接地址[要以+结尾]:")
Bili(i_url).main()
说明
这句i_url = input("请输入链接地址[要以+结尾]:")由于本身编译器的原因,直接回车会跳转
GitHub地址:https://github.com/easyprogramer/My_Python_Spider/tree/master
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持python博客。
Powered By python教程网 鲁ICP备18013710号
python博客 - 小白学python最友好的网站!