17611538698
webmaster@21cto.com

成人网站PornHub爬虫分享(一天可爬取500万以上的视频)

资讯 5 16598 2018-05-24 12:02:45

pornhub.jpg

PornHubBot
源代码地址

PornHubBot项目主要是爬取全球最大成人网站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]
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
 
/uploads/fox/24191024_0.jpg
 
/uploads/fox/24191024_1.jpg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

评论