使用python爬取视频

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：
前面只讲为什么，不写代码，代码全部放在最后

最近突然想看射雕英雄传，但是网上的视频老卡，就想自己爬取出来看（虽然在自己的音频播放器里也很卡哈哈）

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、下载ts文件并合并

打开视频网站，点击F12，跳到网络，点击ctrl+r重新刷新，发现有很多小的文件

这些小文件就是要我们需要的视频文件
现在我们要找到他的列表进行下载
仔细查看他的最前面有两个文件：index.m3u8和mixed.m3u8
为什么他俩要最先接受呢？
点进去一看，发现他们就是我们需要的列表


我们用ai写一个正则表达式，把他从源码中抓出来

二、导出信息

mixed.m3u8中我们需要.ts文件的编号

index.m3u8中我们需要mixed文件的地址（本来读取一个就行了，这个网站的作者加了两个文件）

然后就是根据这些信息下载视频文件，最后把这些文件合成一个

三、放代码

（我知道大部分都是来看这个的，前面的就简略一些了）
代码如下（示例）：

下载代码

import requests  # 导入requests包
import threading
import sys
import re
import time


#用来储蓄mixed的网址
global_url=""

#获取ts文件
def get_ts_url(url):
    headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/125.0.0.0 Safari/537.36 Edg/125.0.0.0',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.7',
    'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6,zh-TW;q=0.5',
    'Cache-Control': 'max-age=0',
    'Cookie': 'PHPSESSID=fnb11ir6hf7n4ea5qheg66c534; Hm_lvt_632e62475bf2e5b863e145abe974c17a=1716447052,1716449150,1716452751; Hm_lpvt_632e62475bf2e5b863e145abe974c17a=1716452751',
    'Sec-Fetch-Dest': 'document',
    'Sec-Fetch-Mode': 'navigate',
    'Sec-Fetch-Site': 'none',
    'Sec-Fetch-User': '?1',
    'Upgrade-Insecure-Requests': '1'}
    cookies = {
    'PHPSESSID': '3iupdd0qa6inicek1iv97gnnf1',
    'Hm_lvt_632e62475bf2e5b863e145abe974c17a':'1716447052,1716449150,1716452751,1716459869',
    'Hm_lpvt_632e62475bf2e5b863e145abe974c17a':'1716470366'
    }
    r=requests.get(url,headers=headers)
    return r

# 下载ts文件
def download(url,name):
    r=get_ts_url(url)
    with open("C:\\Users\\zhou\\Desktop\\ts_all\\"+name, "wb") as code:
        code.write(r.content)

#读取信息
def get_list():
    with open("C:\\Users\\zhou\\Desktop\\ts\\mixed.m3u8","r") as f:
        ts_list = f.readlines()
        f.close()
    mid_url=global_url.split("/")
    urlheader="https://v.cdnlz17.com/20231223/88297_2612d94c/2000k/hls/"
    urlheader=urlheader.replace("88297_2612d94c",mid_url[4])
    print(urlheader)
    count = 0
    for i in ts_list:
        if "#" not in i:
            i = i.replace("\n","")
            print(urlheader+i)
            if(count<10):
                count='00'+str(count)
                # download(urlheader+i,"00"+str(count)+".ts")
            elif(count<100):
                count='0'+str(count)
                # download(urlheader+i,"0"+str(count)+".ts")
            else:
                count=str(count)
                # download(urlheader+i,str(count)+".ts")
            threading.Thread(target=download, args=(urlheader+i,count+".ts")).start()
            count = int(count)+1
            time.sleep(0.25)
#读取mixed.m3u8文件 
def get_mixed_text(url):
    response=get_ts_url(url)
    if(response.status_code==200):
        print("success")
    response.encoding='utf-8'
    with open("C:\\Users\\zhou\\Desktop\\ts\\test.text","w",encoding='utf-8') as f:   #写入文件
        f.write(response.text)
    pattern = r'https://v\.cdnlz17\.com/20231223/.*?\.m3u8'
    matches = re.findall(pattern, response.text)
    mixed=get_ts_url(matches[0])
    with open("C:\\Users\\zhou\\Desktop\\ts\\index.m3u8","wb") as f:
        f.write(mixed.content)
        f.close()
    with open("C:\\Users\\zhou\\Desktop\\ts\\index.m3u8","r") as f:
        mixed_list = f.readlines()
        f.close()
    mixed_url=mixed_list[2]
    mixed_url = matches[0].replace('index.m3u8', mixed_url)
    global global_url
    global_url=mixed_url
    mixed_url_text=get_ts_url(mixed_url)
    with open("C:\\Users\\zhou\\Desktop\\ts\\mixed.m3u8","w",encoding='utf-8') as f:
        f.write(mixed_url_text.text)
        f.close()
if __name__ == '__main__':
    url01=""#写自己的url
    get_mixed_text(url01)
    get_list()
    

合并代码

代码如下（示例）：

import os
#合并ts文件
def ts_synthesis():
    os.system('copy /b ' + r'C:\Users\zhou\Desktop\ts_all\*.ts ' + r'C:\Users\zhou\Desktop\ok.mp4')
    print("合并成功")
ts_synthesis()

最终出现这五个文件

出现的一些问题

刚开始下载源码的时候总是乱码
后面关闭了压缩就好了

Accept-Encoding:gzip, deflate, br, zstd