1、大部分视频信息都存在http://www.maiziedu.com/course/all/中，所有的视频信息都有自己的ID，第一次查询地址应该是在：‘http://www.maiziedu.com/course/‘ + id中
?
分析页面获取title ，为创建文件夹获取目录
???url_dict1 = {} ???url = ‘http://www.maiziedu.com/course/{}‘.format(num) ???page = urllib.request.urlopen(url) ???context = page.read().decode(‘utf8‘) ???title = re.search(‘<title>.*</title>‘, context) ???title = title.group().strip(‘</title>‘) ???if ‘500‘ in title: ???????return {} ???else: ???????#对文件夹进行进一步的精简 ???????if (len(title.split("：")) != 1): ???????????title = title.split("：")[1] ???????title=title.split(‘-‘)[0] ???????url_dict1[‘url‘] = url ???????url_dict1[‘title‘] = title ???????# urls.append(url_dict1) ???return url_dict1?
获取字典包含url和title
这一部分就是进行分析，获取到页面所有章节的地址和标题
在python代码中用bs4 分析并获取播放页面链接
?
urls = []page = urllib.request.urlopen(url)context = page.read().decode(‘utf8‘)soup = BeautifulSoup(context, "html.parser")for tag in soup.find(‘ul‘, class_=‘lesson-lists‘).find_all(‘li‘): ???urls.append(tag.find(‘a‘).get(‘href‘).split(‘/‘)[-2])return urls
返回所有章节的url和title
2、播放页面分析页面播放路径是从js中明文调用的，直接获取网站的title及视频调用的js文件中的url路径
page = urllib.request.urlopen(url)context = page.read().decode(‘utf8‘)soup = BeautifulSoup(context, "html.parser")title = soup.find(‘div‘, class_=‘bottom-module‘).find_all(‘span‘, class_=‘title‘)[0]title = re.compile(r‘<[^>]+>‘, re.S).sub(‘‘, str(title)) + ‘.mp4‘ok = soup.find_all(‘script‘)[2]return ok.string.split(‘"‘)[-2], title
此处获取title是为了保存文件时，按照网站显示内容进行重命名。3、下载文件
def report(count, blockSize, totalSize): ???j = ‘#‘ ???percent = int(count * blockSize * 100 / totalSize) ???sys.stdout.write(str(percent) + ‘% [‘ + j * int(percent / 2) + ‘->‘ + "]\r") ???sys.stdout.flush()def download(url, filename): ???# BASE_DIR = os.path.split(os.path.realpath(__file__))[0] ???saveFile = os.path.join(BASE_DIR, filename) ???if not os.path.exists(saveFile): ???????urllib.request.urlretrieve(url, saveFile, reporthook=report) ???????sys.stdout.write("\n\rDownload complete, saved as %s" % (saveFile) + ‘\n\r‘) ???????sys.stdout.flush() ???else: ???????print(‘文件已存在！跳过继续下载下一个‘)?
report 在命令行显示下载进度
urlretrieve进行下载，也可以使用其他方式
?
总结：
使用urlib+bs4直接粗暴的下载麦子视频文件，有许多不如意的地方需要改进，因版权原因，不在此贴出源码
用bs4和urllib 爬取视频
原文地址：http://blog.51cto.com/5353088/2105330