快捷導(dǎo)航

利用python爬取m3u8格式視頻的具體實現(xiàn)

更新時間：2022年08月05日 08:57:30 作者：信息不對等

之前爬取的視頻都是mp4格式的,直接用requests請求就可以直接爬取,最近公司安排了一個小任務(wù),需要爬取m3u8這種格式的視頻,下面這篇文章主要給大家介紹了關(guān)于利用python爬取m3u8格式視頻的相關(guān)資料,需要的朋友可以參考下

m3u8原理

當(dāng)我們在網(wǎng)頁播放視頻時，網(wǎng)頁向服務(wù)器發(fā)起一個以.m3u8結(jié)尾的連接請求，服務(wù)器會將具體的.ts文件鏈接路徑發(fā)送給網(wǎng)頁，網(wǎng)頁接收這寫鏈接路徑，并向這些鏈接發(fā)送請求，請求到的資源就是.ts視頻文件，他和我們常見的mp4文件只是封裝格式的不同，而且.ts文件的大小很小，我爬取的.ts文件只有六秒的視頻文件。之后網(wǎng)頁將這些.ts文件整合在一起并進(jìn)行播放。

腳本環(huán)境

python3.8、win 10

爬取步驟

python要做的事情

1、選擇可以爬取的視頻網(wǎng)站

2、獲取.m3u8的URL路徑

3、通過requests.get獲取.ts文件路徑

4、保存.ts文件

5、合并.ts文件為mp4格式

步驟的具體實現(xiàn)

1、視頻網(wǎng)站：https://www.3s8m.com/

2、隨便選擇一個視頻進(jìn)入播放頁面，按下F12或者Fn+F12，打開審查元素，選擇網(wǎng)絡(luò)，刷新頁面，暫停視頻，在審查元素的網(wǎng)絡(luò)頁面選擇XHR(沒有可以直接在全部搜索m3u8)，找到以m3u8結(jié)尾的數(shù)據(jù)包，點擊獲取URL

3、python 編寫代碼請求該URL，打印返回的數(shù)據(jù)；代碼如下

import requests
url = “用第二部找到的URL填入”
results = requests.get(url) #發(fā)送get請求
results.encoding=“utf8” #設(shè)置編碼格式，從網(wǎng)頁源碼中的head中可以看編碼格式，這步不關(guān)鍵
print(results.text) #打印結(jié)果
results.close() #關(guān)閉

4、可以發(fā)現(xiàn)第3步中打印結(jié)果有很多URL地址，這些地址就是ts文件的地址，python下載ts文件

import request
url =“填入獲取到的ts文件的URL”
results = requests.get(url)
results.encoding =“utf8”
with open("./a.ts",“wb”) as file:
file.write(results.content)
results.close()

5、合并全部的ts文件，調(diào)用python的os庫，使用系統(tǒng)命令(copy /b a.ts+b.ts a.mp4)進(jìn)行合并

import os
os.system(“copy /b a.ts+b.ts a.mp4”)

python細(xì)節(jié)處理說明

1、上述是通過手動查找獲取的m3u8地址，那么為什么不用python去爬取，如果用python去爬取那么就需要對爬取的內(nèi)容進(jìn)行分析檢索，我使用正則進(jìn)行檢索，也可以用xpath、bs4等方式進(jìn)行檢索。

2、一個m3u8地址會對應(yīng)多個ts文件地址，我們應(yīng)該對同一個m3u8的ts地址進(jìn)行整體保存，下載后進(jìn)行整合在一起變?yōu)橐粋€m3u8對應(yīng)一個視頻

3、我們在瀏覽上述提供的網(wǎng)站時會發(fā)現(xiàn)，有些資源有不通播放源，有些版源不能用，那么我們在進(jìn)行檢索的時候可以多加一個進(jìn)行源切換的操作

4、至于保存的文件名、文件路徑這些自己返回，具體的代碼下面會提供一個參考。

參考代碼

使用代碼的前提條件及說明：

1、在代碼文件的目錄下建一個名為ts_path的文件夾用于保存爬取過程中的臨時文件(.ts文件)

2、保存的視頻會存放與代碼文件同一目錄線下，視頻名稱為集數(shù).mp4

3、視頻下載完，ts_path中的文件需要手動刪除，由于之前使用os.system進(jìn)行刪除，誤刪了我不少源碼，決定不加刪除代碼防止意外

4、代碼只是用與上述提供的網(wǎng)站，其他網(wǎng)站需要自己進(jìn)行修改

import requests
import re
import os

URL = "輸入URL" #視頻URL
resources = 0   #播放源選擇

episode_urls = [] #存放章節(jié)URL
episode_names = [] #存放章節(jié)名稱
m3u8_urls = []  #存放ts文件的URL

def get_episode(URL,resources): #獲取章節(jié)名和路徑
    results = requests.get(URL)
    results.encoding = "utf-8"
    all = results.text
    results.close()
    episode = re.findall('<ul class="dslist-group">.*?</ul>', all, flags=re.S)
    b = re.finditer('href=".*?</a>', episode[resources],flags=re.S)
    for i in b:
        i = i[0].replace('href="', "").replace('"', "")
        episode_urls.append("https://www.3s8m.com" + i.split('>', 1)[0])
        episode_names.append(i.split('>', 1)[1].replace("</a>", ""))
    print(episode_names)
    print(episode_urls)


def get_ts(episode_urls): #獲取ts文件路徑
    for i in episode_urls:
        results = requests.get(i)
        results.encoding = "utf8"
        results = re.search('https:.*?\.m3u8', str(results.text),flags=re.S)
        m3u8_urls.append(results[0].replace("\\", ""))
    print(m3u8_urls)


def download_video(episode_names, m3u8_urls): #下載ts文件并整合為mp4文件
    for i in range(len(m3u8_urls)):
        try:
            print(m3u8_urls[i])
            results = requests.get(m3u8_urls[i])
            results.encoding = "utf8"
            all = re.finditer("https://.*?#", results.text, flags=re.S)
            results.close()
            cmd = []
            n = 0
            for j in all:
                n += 1
                ts_url = j[0].replace("\n#", "")
                cmd.append(f'{n}.ts')
                results = requests.get(ts_url,)
                results.encoding = "utf8"
                with open(f"./ts_path/{n}.ts", "wb") as file:
                    file.write(results.content)
                results.close()
                print(f"{n}.ts 下載完成")
            os.chdir("ts_path")
            if ("ts_path" in os.getcwd()):
                cmd = "+".join(cmd)
                cmd = f"copy /b {cmd} {episode_names[i]}.mp4"
                os.system(cmd)
                os.system(f"move {episode_names[i]}.mp4 ../")
            os.chdir("../")
            print(f"{episode_names[i]}.mp4 下載成功")
        except Exception as e:
            print(e)
            exit(0)

if __name__ == '__main__':
    get_episode(URL, resources)
    get_ts(episode_urls)
    download_video(episode_names, m3u8_urls)

腳本跟目錄