小电影网站Python爬虫,一天可爬取500万以上的国产自拍视频

声明:本项目旨在学习Scrapy爬虫框架和MongoDB数据库,不可使用于商业和个人其他意图。若使用不当,均由个人承担。

PornHubBot

PornHubBot项目主要是爬取全球最大的小电影网站PornHub的视频标题、时长、mp4链接、封面URL和具体的PornHub链接

项目爬的是PornHub.com,结构简单,速度飞快

爬取PornHub视频的速度可以达到500万/天以上。具体视个人网络情况,因为我是家庭网络,所以相对慢一点。

10个线程同时请求,可达到如上速度。若个人网络环境更好,可启动更多线程来请求,具体配置方法见 [启动前配置]

有需要Python学习资料的小伙伴吗?小编整理一套Python资料和PDF,感兴趣者可以关注小编后私信学习资料(是关注后私信哦)反正闲着也是闲着呢,不如学点东西啦

环境、架构

开发语言: Python2.7

开发环境: MacOS系统、4G内存

数据库: MongoDB

主要使用 scrapy 爬虫框架

从Cookie池和UA池中随机抽取一个加入到Spider

start_requests 根据 PorbHub 的分类,启动了5个Request,同时对五个分类进行爬取。

并支持分页爬取数据,并加入到待爬队列。

使用说明

启动前配置

安装MongoDB,并启动,不需要配置

安装Scrapy

安装Python的依赖模块:pymongo、json、requests

根据自己需要修改 Scrapy 中关于 间隔时间、启动Requests线程数等得配置

启动

python PornHub/quickstart.py

运行截图

数据库说明

数据库中保存数据的表是 PhRes。以下是字段说明:

PhRes 表:

video_title:视频的标题,并作为唯一标识.

link_url:视频调转到PornHub的链接

image_url:视频的封面链接

video_duration:视频的时长,以 s 为单位

quality_480p: 视频480p的 mp4 下载地址

代码:GitHub:xiyouMc/WebHubBot

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180925A1WA3G00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券