利用python爬取m3u8格式視頻的具體實現

m3u8原理

當我們在網頁播放視頻時,網頁向服務器發起一個以.m3u8結尾的連接請求,服務器會將具體的.ts文件鏈接路徑發送給網頁,網頁接收這寫鏈接路徑,並向這些鏈接發送請求,請求到的資源就是.ts視頻文件,他和我們常見的mp4文件隻是封裝格式的不同,而且.ts文件的大小很小,我爬取的.ts文件隻有六秒的視頻文件。之後網頁將這些.ts文件整合在一起並進行播放。

腳本環境

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、合並.ts文件為mp4格式

步驟的具體實現

1、視頻網站:https://www.3s8m.com/

2、隨便選擇一個視頻進入播放頁面,按下F12或者Fn+F12,打開審查元素,選擇網絡,刷新頁面,暫停視頻,在審查元素的網絡頁面選擇XHR(沒有可以直接在全部搜索m3u8),找到以m3u8結尾的數據包,點擊獲取URL

3、python 編寫代碼請求該URL,打印返回的數據;代碼如下

import requests
url = “用第二部找到的URL填入”
results = requests.get(url) #發送get請求
results.encoding=“utf8” #設置編碼格式,從網頁源碼中的head中可以看編碼格式,這步不關鍵
print(results.text) #打印結果
results.close() #關閉

4、可以發現第3步中打印結果有很多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、合並全部的ts文件,調用python的os庫,使用系統命令(copy /b a.ts+b.ts a.mp4)進行合並

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

python細節處理說明

1、上述是通過手動查找獲取的m3u8地址,那麼為什麼不用python去爬取,如果用python去爬取那麼就需要對爬取的內容進行分析檢索,我使用正則進行檢索,也可以用xpath、bs4等方式進行檢索。

2、一個m3u8地址會對應多個ts文件地址,我們應該對同一個m3u8的ts地址進行整體保存,下載後進行整合在一起變為一個m3u8對應一個視頻

3、我們在瀏覽上述提供的網站時會發現,有些資源有不通播放源,有些版源不能用,那麼我們在進行檢索的時候可以多加一個進行源切換的操作

4、至於保存的文件名、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的文件夾用於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.mp4

3、視頻下載完,ts_path中的文件需要手動刪除,由於之前使用os.system進行刪除,誤刪瞭我不少源碼,決定不加刪除代碼防止意外

4、代碼隻是用與上述提供的網站,其他網站需要自己進行修改

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URL
episode_names = [] #存放章節名稱
m3u8_urls = []  #存放ts文件的URL

def get_episode(URL,resources): #獲取章節名和路徑
    results = requests.get(URL)
    results.encoding = "utf-8"
    all = results.text
    results.close()
    episode = re.findall('<ul class="dslist-group">.*?</ul>',%20all, flags=re.S)
    b = re.finditer('href=".*?</a>',%20episode[resources],flags=re.S)
    for i in b:
        i = i[0].replace('href="',%20"").replace('"',%20"")
        episode_urls.append("https://www.3s8m.com" + i.split('>',%201)[0])
        episode_names.append(i.split('>',%201)[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',%20str(results.text),flags=re.S)
        m3u8_urls.append(results[0].replace("\\", ""))
    print(m3u8_urls)


def download_video(episode_names, m3u8_urls): #下載ts文件並整合為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

總結 

到此這篇關於利用python爬取m3u8格式視頻的文章就介紹到這瞭,更多相關python爬取m3u8格式視頻內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: