前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
前文内容
Python爬虫新手入门教学(八):爬取论坛文章保存成PDF
Python爬虫新手入门教学(十五):Python爬取某音乐网站的排行榜歌曲
Python爬虫新手入门教学(十九):爬取ip代理,构建代理池
基本开发环境
- Python 3.6
- Pycharm
相关模块的使用
import requests import re from tqdm import tqdm import os
安装Python并添加到环境变量,pip安装需要的相关模块即可。
Python爬虫、数据分析、网站开发等案例教程视频免费在线观看
https://space.bilibili.com/523606542
Python学习交流群:1039649593
确定目标需求
既然选择爬取视频了,那肯定优先选择小姐姐的视频呀
懂得都懂~
网页数据分析,找寻数据来源
A站视频是m3u8格式,整个视频分为很多小段,一段对应一个ts文件。
所以只需要找到这个m3u8的数据来源就可以获取所有的ts文件。

url链接的请求参数 pkey 是会改变的。但是这个参数是可以在网页源代码中找到的。包括m3u8的请求链接也是在网页源代码中可以获取的。

整体思路
1、请求视频地址,获取源代码中的m3u8的url地址。
2、请求m3u8的地址,获取所有的ts文件地址
3、保存ts文件并且合并ts文件成mp4视频格式
实现代码
import requests import re from tqdm import tqdm import os def change_title(title): pattern = re.compile(r"[\/\\\:\*\?\"\<\>\|]") # '/ \ : * ? " < > |' new_title = re.sub(pattern, "_", title) # 替换为下划线 return new_title def get_response(html_url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36' } response = requests.get(url=html_url, headers=headers) return response def save(name, video, title): path = f'{name}\\' if not os.path.exists(path): os.makedirs(path) with open(path + title + '.ts', mode='wb') as f: f.write(video) def get_m3u8_url(html_url): html_data = get_response(html_url).text m3u8_url = re.findall('backupUrl(.*?)\"]', html_data)[0].replace('"', '').split('\\')[-2] title = re.findall('"title":"(.*?)"', html_data)[0] new_title = change_title(title) m3u8_data = get_response(m3u8_url).text m3u8_data = re.sub('#EXTM3U', "", m3u8_data) m3u8_data = re.sub(r'#EXT-X-VERSION:\d', "", m3u8_data) m3u8_data = re.sub(r'#EXT-X-TARGETDURATION:\d', "", m3u8_data) m3u8_data = re.sub(r'#EXT-X-MEDIA-SEQUENCE:\d', "", m3u8_data) m3u8_data = re.sub(r'#EXT-X-ENDLIST', "", m3u8_data) m3u8_data = re.sub(r'#EXTINF:\d\.\d,', "", m3u8_data) m3u8 = m3u8_data.split() for link in tqdm(m3u8): ts_url = 'https://tx-safety-video.acfun.cn/mediacloud/acfun/acfun_video/hls/' + link video = get_response(ts_url).content ts_title = link.split('?')[0].split('.')[1] save(new_title, video, ts_title) print(f'{title}已经下载完成,请验收....') if __name__ == '__main__': video_id = input('请输入你要下载的视频ID:') url = f'https://www.acfun.cn/v/{video_id}' print('正在下载请稍后.....') get_m3u8_url(url)
最简单的合并方式有手就行
