基础篇3 浅试Python爬虫爬取视频，m3u8标准的切片视频

浅试Python爬取视频

1.页面分析

• 使用虾米视频在线解析
• 使用方式：https://jx.xmflv.cc/?url=目标网站视频链接
• 例如某艺的视频 原视频链接

解析结果:

1.1 F12查看页面结构

我们发现页面内容中什么都没有，video标签中的src路径也不是视频的数据。

1.2 老规矩看网络请求中的过滤的XHR

发现一堆没卵用的数据返回，直到我们看到这个mixed.m3u3结尾的返回结果，及后续高度相似的请求数据

1.3解析mp2t媒体文件

将上一步中的mp2t媒体文件随机挑选一个下载下来。打开后就是我们的目标视频。ok目的达到。
接下来我们要做的就是将返回的mixed.m3u8解析出来

2.功能实现

2.1 拿到m3u8的文件

#-*- coding:UTF-8 -*-

import requests
import os
import sys


res = requests.get('https://vip.ffzy-online2.com/20221231/3848_0533f6da/2000k/hls/mixed.m3u8')
m3u8_obj = res.text
print(m3u8_obj)

可以看到打印结果

到这里我们就需要拿到ts结尾的字符串,然后筛选出以ts结尾的字符串。

2.2 解析m3u8的信息

m3u8 = m3u8_obj.split('\n')
# 匹配*.ts结尾的字符串
rst = [s for s in m3u8 if s.endswith('.ts')]
print(rst)

我们可以看到打印结果

接下来就需要拼接字符串获取到视频的路径，下载下来之后再进行拼接。

2.3 下载视频

baseurl= 'https://vip.ffzy-online2.com/20221231/3848_0533f6da/2000k/hls/'
# 下载并保存TS分片
for i, url in enumerate(rst):
    response = requests.get(baseurl+url, stream=True)
    with open(f'segment{i + 1}.ts', 'wb') as out_file:
        out_file.write(response.content)

于是我们可以看到

现在切片视频正确拿到了

• 可以利用第三方软件进行视频合并
• 可以先创建一个.MP4格式的文件使用python写入文件的方法进行合并

2.4 合并

# 将下载的视频合并起来
# 拿到文件名
file_names = os.listdir('./video')
# 最终视频路径
target_video = open('./output.mp4','ab')
# 遍历全部视频集合
for file in file_names:
  with open('./video/'+file,"rb") as f:
    target_video.write(f.read())
    f.close()
target_video.close()

我只是下载的部分视频，成功合成看结果：

3.整合一下

# -*- coding:utf-8 -*-

import requests
import os
import sys

class getvideo(object):
  def __init__(self) -> None:
    self.baseurl = 'https://vip.ffzy-online2.com/20221231/3848_0533f6da/2000k/hls/'  # ts视频的路径
    self.m3u8url = 'https://vip.ffzy-online2.com/20221231/3848_0533f6da/2000k/hls/mixed.m3u8' # m3u8文件的路径
    self.ts_video = [] # 存放解析后的ts视频信息

  def geturlbyts(self):
    res = requests.get(self.m3u8url)
    m3u8_obj = res.text 
    m3u8 = m3u8_obj.split('\n')  # 按照换行分割
    # 匹配*.ts结尾的字符串
    self.ts_video = [s for s in m3u8 if s.endswith('.ts')]

  # 下载并保存TS分片
  def downloadvideobyts(self):
    for i, url in enumerate(self.ts_video):
      response = requests.get(self.baseurl+url, stream=True)
      with open(f'.\\video\\'+self.ts_video[i], 'wb') as out_file:
        sys.stdout.write("下载进度:{0:.2f}%" .format(float((i+1)/len(self.ts_video))*100)  + '\r')
        sys.stdout.flush()
        out_file.write(response.content)


  def mergevideo(self):
    # 将下载的视频合并起来
    # 拿到文件名
    file_names = os.listdir('./video')
    # 最终视频路径
    target_video = open('./output.mp4','ab')
    # 遍历全部视频集合
    for file in file_names:
      with open('./video/'+file,"rb") as f:
        print("当前合并到{}".format(file))
        target_video.write(f.read())
      f.close()
    target_video.close()

dlvideo = getvideo()
dlvideo.geturlbyts()
# 当前目录创建一个video文件夹 用来存储ts分片视频
# 创建个文件夹存储视频
os.makedirs('video',exist_ok=True)
dlvideo.downloadvideobyts()
dlvideo.mergevideo()
print("合并完成")

单线程着实慢，后续继续更新学习。

以上仅供学习使用，下载后请于24小时内删除。