b站一个视频的爬取思路分析
第一步,先对视频网页进行抓包,可以发现这两个请求是视频相关的。
接着我们可以用python将两个url都请求一遍,并且保存文件,都以mp4格式保存。
# 开发时间: 2022/10/21 22:26
# 作 者:星辰之梦梦
import requests
headers = {
"referer": "https://www.bilibili.com",
"origin": "https://www.bilibili.com",
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/102.0.0.0 Safari/537.36",
}
# 100028
url1 = "https://upos-sz-mirrorcos.bilivideo.com/upgcxcode/73/12/836471273/836471273-1-100028.m4s?e=ig8euxZM2rNcNbdlhoNvNC8BqJIzNbfqXBvEqxTEto8BTrNvN0GvT90W5JZMkX_YN0MvXg8gNEV4NC8xNEV4N03eN0B5tZlqNxTEto8BTrNvNeZVuJ10Kj_g2UB02J0mN0B5tZlqNCNEto8BTrNvNC7MTX502C8f2jmMQJ6mqF2fka1mqx6gqj0eN0B599M=&uipk=5&nbs=1&deadline=1684865947&gen=playurlv2&os=cosbv&oi=0&trid=9df467665ce34bc8b1a9108af0a27cd1u&mid=647250039&platform=pc&upsig=0da697973b0a4359957bc8bfaf3648f1&uparams=e,uipk,nbs,deadline,gen,os,oi,trid,mid,platform&bvc=vod&nettype=0&orderid=0,3&buvid=ADFF7A65-40F1-F25C-C91B-8FFE569D520E16369infoc&build=0&agrr=1&bw=126933&logo=80000000"
# 30280
url2 = "https://upos-sz-mirrorcos.bilivideo.com/upgcxcode/73/12/836471273/836471273_nb3-1-30280.m4s?e=ig8euxZM2rNcNbdlhoNvNC8BqJIzNbfqXBvEqxTEto8BTrNvN0GvT90W5JZMkX_YN0MvXg8gNEV4NC8xNEV4N03eN0B5tZlqNxTEto8BTrNvNeZVuJ10Kj_g2UB02J0mN0B5tZlqNCNEto8BTrNvNC7MTX502C8f2jmMQJ6mqF2fka1mqx6gqj0eN0B599M=&uipk=5&nbs=1&deadline=1684865947&gen=playurlv2&os=cosbv&oi=0&trid=9df467665ce34bc8b1a9108af0a27cd1u&mid=647250039&platform=pc&upsig=4419c16cfb65b59180d74edc64066a69&uparams=e,uipk,nbs,deadline,gen,os,oi,trid,mid,platform&bvc=vod&nettype=0&orderid=0,3&buvid=ADFF7A65-40F1-F25C-C91B-8FFE569D520E16369infoc&build=0&agrr=1&bw=40149&logo=80000000"
resp1 = requests.get(url1, headers=headers).content
resp2 = requests.get(url2, headers=headers).content
with open("111.mp4", mode='wb') as file1:
file1.write(resp1)
with open("222.mp4", mode='wb') as file2:
file2.write(resp2)
下载完成后,打开发现111.mp4文件中存储的是无音频的视频,而222.mp4文件中存储的是音频(无视频)。因此我们后面需要将视频文件和音频文件进行合并,会用到ffmpeg软件。
现在我们需要实现 请求 视频网页的地址(即视频号) 得到上述视频url 音频url。因此回到 视频网页,在elemens中用url1中的关键参数(1-100028.m4s)搜索。发现在script标签中,并且以js数据格式存放(如下图),接着打开网页源代码再次搜索,也能得到搜索结果。因此我们只需要请求 视频网页的地址(即视频号)并解析拿到script中的视频url和音频url。
import requests
import re
import json
from lxml import etree
import os
# import pprint
headers = {
"referer": "https://www.bilibili.com",
"origin": "https://www.bilibili.com",
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/102.0.0.0 Safari/537.36",
}
# 第一步 请求 视频网页的地址,拿到网页数据
url = "https://www.bilibili.com/video/BV16e4y1k7Rs/?spm_id_from=333.999.0.0&vd_source=d8494042caaa3e41d56c7e04cc1669dd"
resp_ = requests.get(url, headers=headers)
resp = resp_.text
resp_.close()
tree = etree.HTML(resp)
# 第二步 从网页数据中提取视频标题
title = tree.xpath('//h1/text()')[0]
# print(title)
# /html/head/script[3]/text()
# 第三步 从网页数据中提取视频url和音频url
tree1 = tree.xpath('/html/head/script[3]/text()')[0]
tree1 = re.sub(r'window.__playinfo__=', '', tree1)
# print(tree1)
tree1 = json.loads(tree1)
video = tree1['data']['dash']['video'][0]
video_url = video['backupUrl'][0]
# print(video_url)
audio = tree1['data']['dash']['audio'][0]
audio_url = audio['backupUrl'][0]
# print(audio_url)
### 上述video_url 即视频url。audio_url 即音频url
'''
resp1 = requests.get(video_url, headers=headers).content
resp2 = requests.get(audio_url, headers=headers).content
with open("111.mp4", mode='wb') as file1:
file1.write(resp1)
with open("222.mp4", mode='wb') as file2:
file2.write(resp2)
'''
到这里,我们已经实现从视频网页地址直接拿到视频文件和音频文件。但是他们是分开的。接着我们就继续讲解如何合并视频和音频。
FFmpeg的安装及配置
FFmpeg是一套功能包括视频采集功能、视频格式转换、视频抓图、给视频加水印等的开源计算机程序。
官网下载:Download FFmpeg
以windows为例
下载完成后解压文件。将bin文件夹的路径添加进环境变量
到这里,FFmpeg配置就完成了。
接下来就是实现合并音频和视频了。
# 省略以上代码
# ①创建保存视频的文件夹
e = "b站视频"
if not os.path.exists(e):
os.mkdir(e)
# ②保存好视频和音频 注意变量title0为原音频和视频的标题。new_title为合并后的文件标题
with open("b站视频/" + f"{title0}.mp4", mode='wb') as f:
f.write(resp1)
with open("b站视频/" + f"{title0}.acc", mode='wb') as x:
x.write(resp2)
# ③利用FFmpeg合并音频和视频文件,并且将原来的两个文件删除
# 注意字符串中的格式。。'<ffmpeg.exe的路径> -i <视频文件路径(不含音频)> -i <音频文件路径> -acodec copy -vcodec copy <合并后的文件路径>'
com = f'D:/FFmpeg/bin/ffmpeg.exe -i "b站视频/{title0}.mp4" -i "b站视频/{title0}.acc" -acodec copy -vcodec copy "b站视频/{new_title}.mp4"'
os.system(com)
os.remove(f"b站视频/{title0}.mp4")
os.remove(f"b站视频/{title0}.acc")
完整代码展示
总结上述的学习过程。我们可以写出一个比较完美的小程序,用来下载单个视频。(有会员记得添加cookie,还有最后的音频和视频的合并用自己FFmpeg软件的路径,和我不一样的需要自己改)
# 开发时间: 2022/4/25 19:55
# 作 者:星辰之梦梦
import requests
import re
import json
from lxml import etree
import os
# import pprint
e = "b站视频"
if not os.path.exists(e):
os.mkdir(e)
cookie = input("请输入cookie:")
while True:
''' 下载最高质量视频 '''
url = input("请输入url:")
# url = "https://www.bilibili.com/video/BV1SS4y1N7Vo?spm_id_from=333.999.0.0"
headers = {
"cookie": cookie,
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36",
}
resp_ = requests.get(url, headers=headers)
resp = resp_.text
resp_.close()
tree = etree.HTML(resp)
title = tree.xpath('//h1/text()')[0]
# print(title)
try:
tree1 = tree.xpath('/html/head/script[4]/text()')[0]
tree1 = re.sub(r'window.__playinfo__=', '', tree1)
tree1 = json.loads(tree1)
except:
print("不是script[4]")
tree1 = tree.xpath('/html/head/script[3]/text()')[0]
tree1 = re.sub(r'window.__playinfo__=', '', tree1)
tree1 = json.loads(tree1)
# pprint(tree1['data']['dash']['video'])
id_list = [video['id'] for video in tree1['data']['dash']['video']]
video_url = tree1['data']['dash']['video'][id_list.index(max(id_list))]['backupUrl'][0]
id_list = [audio['id'] for audio in tree1['data']['dash']['audio']]
audio_url = tree1['data']['dash']['audio'][id_list.index(max(id_list))]['backupUrl'][0]
# print(video_url)
# print(audio_url)
# print(audio_url)
print("正在下载", title)
headers521 = {
"referer": url,
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.74 Safari/537.36",
}
resp1_ = requests.get(video_url, headers=headers521)
resp1 = resp1_.content
resp2_ = requests.get(audio_url, headers=headers521)
resp2 = resp2_.content
resp1_.close()
resp2_.close()
new_title = re.sub(r'[\\/:*?"<>|\n]', '_', title)
title0 = new_title + "0"
with open("b站视频/" + f"{title0}.mp4", mode='wb') as f:
f.write(resp1)
with open("b站视频/" + f"{title0}.acc", mode='wb') as x:
x.write(resp2)
com = f'D:/FFmpeg/bin/ffmpeg.exe -i "b站视频/{title0}.mp4" -i "b站视频/{title0}.acc" -acodec copy -vcodec copy "b站视频/{new_title}.mp4"'
os.system(com)
os.remove(f"b站视频/{title0}.mp4")
os.remove(f"b站视频/{title0}.acc")
print("over!!!", new_title)
拓展
大家可以自行领悟,去思考如何下载b站的电影和番剧。提示上述程序是不能下载的,需要变动。也许将来还会更新。。
以上就是“python爬取b站视频,看完这个一秒噜b站十万八千次不是梦!”的全部内容,希望对你有所帮助。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
三、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、Python练习题
检查学习结果。
六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
最后祝大家天天进步!!
上面这份完整版的Python全套学习资料已经上传至CSDN官方,朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。