Python代码
#-*- codeing = utf-8 -*-
#@Time : 2020/9/23 0023 14:40
#@Author : Chiser
#@Flie : IVI测试.py
#@Software: PyCharm
import requests
from lxml import etree
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36'
}
response = requests.get('http://ivi.bupt.edu.cn',headers = headers)
response.encoding = 'utf-8'
pagehtml = etree.HTML(response.text)
html = pagehtml.xpath('//div/div[@style="margin-top:50px"]/div')
m3u_lsit = '#EXTM3U\n#EXTINF:-1,'
page_url = 'http://ivi.bupt.edu.cn'
f = open('直播链.m3u','w')
for item in html:
title = ''.join(item.xpath('./p/text()'))
title = ''.join(title.split()) + '\n'
url = ''.join(item.xpath('./a[2]/@href'))
url = ''.join(url.split())
f.write(str(m3u_lsit + title + page_url + url))
f.close()
笔记
在爬取http://ivi.bupt.edu.cn/时遇到很多问题，最开始使用beautifulsoup4正则表达式获取时出现获取节目m3u8地址不完整，后面索性不用BeautifulSoup4转为lxml解析.
用lxml时开始遇到了第一问题，打印输出出现乱码，通过查找资料了解到需要把requests请求获取到的字符串定义为utf-8编码格式
response.encoding = 'utf-8' 还有一个方法是在requests请求时在后面加上content，即：
response = requests.get('http://ivi.bupt.edu.cn',headers = headers).content 接着遇到了数据筛选问题，在打印输出筛选后的数据时多出了['数据']后面查阅资料可通过.join删除如空格等符号
转载自：Chiser丶博主
评论