import requests
import json
import os
import re
import time  # 新增：用于控制请求延迟

# 1. 关键：从浏览器复制完整的 Cookie 和 Headers
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36 QQBrowser/21.1.8717.400',
    'Referer': 'https://haokan.baidu.com/tab/shehui_new',
    # 关键：完整的Cookie字符串（从浏览器F12复制）
    'Cookie': 'newlogin=1; BDUSS=EJGZWFBdmdtbEQtRGl6dDg0TzYyR0JybnpxRUdyZHpqeGxxUW91SUZ6RERMMFZxSVFBQUFBJCQAAAAAAAAAAAEAAABr5UEVUVFfMjgyNjE1MTA5AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAMOiHWrDoh1qc; BDUSS_BFESS=EJGZWFBdmdtbEQtRGl6dDg0TzYyR0JybnpxRUdyZHpqeGxxUW91SUZ6RERMMFZxSVFBQUFBJCQAAAAAAAAAAAEAAABr5UEVUVFfMjgyNjE1MTA5AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAMOiHWrDoh1qc; BAIDUID=12B658EA09C12D0BD5154700ABB7E735:FG=1; BIDUPSID=12B658EA09C12D0BD5154700ABB7E735; PSTM=1780626218; BDORZ=FFFB88E999055A3F8A630C64834BD6D0; BAIDUID_BFESS=12B658EA09C12D0BD5154700ABB7E735:FG=1; __bid_n=19eb62214d03728183c387; BA_HECTOR=052lakal25a18581a5ag840la58kak1l2v7le28; ZFY=z4dlRWO:Bw01rXjTUYWYrECWhYzyaYFQVwF7:Bq:BLHaw4:C; H_WISE_SIDS=63147_67862_68166_69006_69295_69590_70116_70620_70544_70552_70504_70908_70916_70940_70946_70966_71000_71036_71049_71056_71062_71079_71086_71105; arialoadData=false; Hm_lvt_4aadd610dfd2f5972f1efee2653a2bc5=1781515173,1781569200; HMACCOUNT=F22D314F8316F7B4; BDRCVFR[S_ukKV6dOkf]=mk3SLVN4HKm; H_PS_PSSID=63147_67862_68166_69006_69295_69590_70116_70620_70544_70552_70504_70908_70916_70940_70946_70966_71000_71036_71049_71056_71062_71079_71086_71105; delPer=0; PSINO=7; Hm_lpvt_4aadd610dfd2f5972f1efee2653a2bc5=1781577926; RT="z=1&dm=baidu.com&si=ecd26d73-65c9-4559-96c4-0780df5f2c16&ss=mqfzieko&sl=0&tt=0&bcn=https%3A%2F%2Ffclog.baidu.com%2Flog%2Fweirwood%3Ftype%3Dperf"; ab_sr=1.0.1_YTEyOTAzZDJlYTdmNzc4YjE1NThkN2Q0YzczYjI4MzBlNDZlNmI3NjA5NzlhMTlkMGEzNzdhMDJlYTU3MTBiMWRjNTkxODc5NmViMDk2Y2ZjMjJhZjU5ZWFlZjJjOTZlZmE4YmMwZjNiODZlYTJiZjNhZjZhMmI2YjlkYWI1ODUyZGQ5NmFkYTdiYTY2ZmQ3NjA4ZTEwZDliY2MxYzBhNw==; reptileData=%7B%22data%22%3A%22149ab658c534ce73cd3179424b269745ac8bf0fad4b939c7f732f0e8fa8d9f071bb53711903bf0c4aa4d177e07366edc2f066cab1154887aae07117d2e9ebbcda037c1dcb39786b2c4b843ce3a8a209e2b1b89bf3a7129453a4a8739a2fd9b44%22%2C%22key_id%22%3A%2230%22%2C%22sign%22%3A%22eeb28a8d%22%7D'
}

# 2. 使用Session保持连接池
session = requests.Session()
session.headers.update(headers)


# ========== 新增函数：获取指定页的视频 ==========
def get_videos_by_page(page=1, num_per_page=20):
    """
    获取指定页的视频数据

    Args:
        page: 页码，从1开始
        num_per_page: 每页视频数量

    Returns:
        list: 视频列表，如果失败返回空列表
    """
    # 添加pn参数控制页码
    url = f'https://haokan.baidu.com/haokan/ui-web/video/rec?tab=shehui_new&act=pcFeed&pd=pc&num={num_per_page}&pn={page}'

    try:
        resp = session.get(url, timeout=5)
        data = resp.json()

        # 检查返回状态
        if data.get('status') != 0:
            print(f"第{page}页数据获取失败，状态码: {data.get('status')}")
            return []

        videos = data.get('data', {}).get('response', {}).get('videos', [])
        print(f"第{page}页获取到 {len(videos)} 个视频")
        return videos

    except Exception as e:
        print(f"第{page}页请求失败: {e}")
        return []


# ========== 新增函数结束 ==========


# ========== 以下是原始代码（保留） ==========
# 3. 发送请求（极速）- 原始单页代码，现在改为使用函数
# url = 'https://haokan.baidu.com/haokan/ui-web/video/rec?tab=shehui_new&act=pcFeed&pd=pc&num=20'
# resp = session.get(url, timeout=5)

# 4. 解析数据 - 原始代码，现在改为使用函数
# data = resp.json()
# videos = data['data']['response']['videos']
# print(f"获取到 {len(videos)} 个视频")

# 创建文件夹 - 保留
if not os.path.exists('视频'):
    os.makedirs('视频')


# 现在的内容应该和网页一致了 - 保留注释
# for video in videos[:5]:
#     print(f"标题: {video['title']}")
#     print(f"播放: {video['play_url']}\n")

# for video in videos:
#     # print(f"链接: {video['play_url']}\n")
#     URL = video['play_url']
#     # print(f"链接: {URL}\n")
#
# resp1 = requests.get(URL)

# ========== 原始代码结束 ==========


# ========== 新增主函数：批量翻页下载 ==========
def main():
    """
    主函数：控制批量翻页和下载流程
    """
    print("=" * 50)
    print("好看视频批量翻页下载工具")
    print("=" * 50)

    # 用户配置
    try:
        total_pages = int(input("请输入要下载的页数（1-10页，建议不超过5页）: "))
        total_pages = max(1, min(10, total_pages))  # 限制在1-10页
    except ValueError:
        total_pages = 2
        print(f"输入无效，默认下载 {total_pages} 页")

    num_per_page = 20  # 每页视频数量

    all_videos = []  # 存储所有视频

    # 逐页获取视频列表
    print(f"\n开始获取视频列表，共 {total_pages} 页...")
    for page in range(1, total_pages + 1):
        videos = get_videos_by_page(page, num_per_page)

        if not videos:
            print(f"第{page}页没有获取到视频，停止翻页")
            break

        all_videos.extend(videos)

        # 添加延迟，避免请求过快
        if page < total_pages:
            print(f"等待1秒后获取第{page + 1}页...")
            time.sleep(1)

    # 统计结果
    total_videos = len(all_videos)
    print(f"\n总计获取到 {total_videos} 个视频")

    if total_videos == 0:
        print("没有获取到任何视频，程序结束")
        return

    # 询问是否下载
    choice = input(f"\n是否开始下载这 {total_videos} 个视频？(y/n，默认y): ").strip().lower()
    if choice and choice != 'y':
        print("已取消下载")
        return

    # ========== 原始下载逻辑（保留并优化） ==========
    print(f"\n开始下载 {total_videos} 个视频...\n")
    success_count = 0
    fail_count = 0

    for i, video in enumerate(all_videos):
        # 获取视频信息 - 与原始代码一致

        bt = video.get('title', f'未命名视频_{i}')  # 标题
        title = re.sub(r'[\\/*?:"<>|]', '', bt)  # 去除非法字符 - 原始代码

        img = video.get('poster_big', '')  # 预览图地址
        preview_img = re.sub(r'\u0026', '&', img)

        # 如果标题为空，生成备用文件名
        if not title:
            title = f"video_{i}"

        URL = video.get('play_url', '')  # 获取播放链接 - 与原始代码一致

        # print(f"视频标题: {title}")
        # print(f"播放链接: {URL}")
        # print(f"预览图链接: {preview_img}\n\n")


        # 检查是否有播放链接
        if not URL:
            print(f"❌ [{i + 1}/{total_videos}] {title} - 无播放链接，跳过")
            fail_count += 1
            continue

        print(f"\n\n[{i + 1}/{total_videos}] 正在下载: {title}")
        print(f"视频标题: {title}")
        print(f"播放链接: {URL}")
        print(f"预览图: {preview_img}")



        try:
            # 下载视频 - 与原始代码类似，但添加了状态码检查和流式下载
            video_resp = session.get(URL, stream=True, timeout=30)

            # 检查响应状态码
            if video_resp.status_code == 200:
                file_path = f'视频/{title}.mp4'

                # 检查文件是否已存在
                if os.path.exists(file_path):
                    print(f"⚠️  文件已存在，跳过: {title}.mp4")
                    continue

                # 分块写入文件 - 优化大视频下载
                with open(file_path, mode='wb') as f:
                    for chunk in video_resp.iter_content(chunk_size=8192):
                        if chunk:
                            f.write(chunk)

                # 获取文件大小
                file_size = os.path.getsize(file_path)
                print(f"✅ {title}.mp4 下载完成! 大小: {file_size / 1024 / 1024:.2f} MB")
                success_count += 1
            else:
                print(f"❌ 下载失败: {title}, 状态码: {video_resp.status_code}")
                fail_count += 1

        except requests.exceptions.Timeout:
            print(f"❌ 下载超时: {title}")
            fail_count += 1
        except requests.exceptions.RequestException as e:
            print(f"❌ 下载出错: {title}, 错误: {e}")
            fail_count += 1
        except Exception as e:
            print(f"❌ 文件保存失败: {title}, 错误: {e}")
            fail_count += 1

        # 每个视频下载后短暂延迟，避免被封IP
        if i < total_videos - 1:
            time.sleep(0.5)

    # 统计下载结果
    print("\n" + "=" * 50)
    print(f"下载完成！成功: {success_count}个，失败: {fail_count}个")
    print("=" * 50)


# ========== 新增主函数结束 ==========


# ========== 原始代码（保留） ==========
# if data['status'] == 0:
#     for video in videos:
#         t = video['title']
#         title = re.sub(r'[\\/*?:"<>|]', '', t)
#         URL = video['play_url']
#         resp1 = session.get(URL)  # 直接使用URL，不要循环
#
#         # 创建用于保存视频的文件夹
#
#         with open(f'视频/{title}.mp4', mode='wb') as f:
#             f.write(resp1.content)
#         print(f"{title}.mp4下载完成!")
# ========== 原始代码结束 ==========


# 程序入口
if __name__ == "__main__":
    main()

# 爬虫 # python # 开发语言 # 算法
Logo
亚马逊云科技技术品牌专区

更多推荐

第5篇_Python文件操作与异常处理：程序与外界交互的桥梁

读取一个不存在的文件 → Python 抛出把字符串当数字做除法 →TypeError整数除以零 →列表只有 3 个元素却要访问第 10 个 →IndexError用户输入了 “abc” 而程序期待一个数字 →ValueError这些错误，在 Python 中被称为异常（Exception）。异常不是 “程序坏了”，而是 “程序遇到了预期之外的情况”。默认行为：如果不对异常做任何处理，程序会打印错

avatar 亚马逊云科技技术品牌专区

第6篇_Python高级语法与标准库精髓：从会用到达精通

本篇是，我们将深入 Python 真正精华的部分 —— 那些让代码变得更简洁、更高效、更强大的语法和工具。学完本篇，你将从 “会写 Python” 迈向 “精通 Python”。准备好了吗？让我们开始！🚀。

avatar 亚马逊云科技技术品牌专区

美股交易必知：夏令时/冬令时切换全解析 —— 基于 QuantDash 的 Python 量化数据时区处理实战

美股数据获取必须考虑夏令时与冬令时切换 核心要点： 美股交易时间以美东时间为准，存在夏令时（北京时间21:30-04:00）和冬令时（北京时间22:30-05:00）的差异 QuantDash服务端自动处理时区转换，输出标准化的UTC/本地时间序列 多市场数据（A股/港股/美股）可实现原生时区对齐 传统方案需手动处理时区，容易引入错误和未来函数问题 解决方案优势： 自动处理夏令时切换，避免时间轴错

avatar 亚马逊云科技技术品牌专区