python 视频解析_Python爬虫-深度视频解析NAVER V(VLIVE)网站

这几天突发奇想，前一天晚上看了Python爬虫相关的视频，以及昨天晚上完成初步的代码功能实现，1.0版本就此诞生了。

首先进行申明或提示：我列表中的粉丝可能对这篇文章看不大懂，如有兴趣可继续阅读；

未经JTY起风了许可，禁止将此篇文章转载；

代码纯手打，纯为自己的想法进行编写，如有雷同纯属意外。

V网站视频相关分析

这次针对进行解析的网站为‘VLIVE’，是韩国一家艺人直播平台。VLIVE首页

那么，如何对这个平台进行解析呢？首先分为几个步骤：进入某一个视频，查看源代码是否有src源地址；

进入某一个视频，打开控制台F12，network标签进行抓包，看是否有包含源地址信息的文件传入，若有，则进行分析。

在经过我的分析之厚，上述条件1中并没有源地址。然而，我在第2条件中抓到了相关数据json文件。此处需要使用谷歌内核的浏览器打开F12进行抓包

双击打开此文件，则进入第二个网页，此网页为服务器返回的一个json页面，里面包含了所有该视频的信息：各种分辨率的源地址，m3u8的播放列表，以及我们最喜爱的中文字幕。视频分辨率相关的源地址信息

视频字幕相关的源地址信息

有了思路之后，我们再进行构思。应该如何写代码，代码中的json地址该怎么获得？

我们先对json的网页地址进行分析，我找出两个比较重要的参数。如下图。

我们需要获得上方的key值以及videoID值方可拼接出json地址。

那么，问题又来了。这两个值又要去哪里找呢！！！

我们一般写爬虫都需要看网页的源代码对吧？那么我们随便打开一个vlive网页，查看源代码。

看上图，红框框里的数据是不是似曾相识。OK！那我们得到了这两个数据，又有了json的地址，我们写代码的时候进行拼接不就完了吗~

码农的生活开始，这边题外话。我不是全职码农，我的专业是网络安全，写Python只是突发奇想，我这辈子不会写代码的，我不会真香的。

部分Python代码解释

req = urllib2.Request(input_url)      #键入url值

req.add_header("user-agent", "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36")    #V做了反爬虫机制过滤机器用户，所以得添加头信息模拟真实用户

html = urllib2.urlopen(req).read()#打开URL传入html

reg = r'vlive.video.init\(".*?"\, ".*?"\, ".*?"\, ".*?"\, ".*?"\,\n\t\t\t"(.*?)"\,\n\t\t\t"(.*?)"\,'#使用正则表达式匹配源代码中的两个参数，并且缓存至reg中

spi = re.findall(reg, html)[0]#寻找所有符合相关条件的数据并传入spi列表

json_url = 'https://global.apis.naver.com/rmcnmv/rmcnmv/vod_play_videoInfo.json?key='+spi[1]+'&pid=rmcPlayer_15450415010952367&sid=2024&ver=2.0&devt=html5_pc&doct=json&ptc=https&sptc=https&cpt=vtt&ctls=%7B%22visible%22%3A%7B%22fullscreen%22%3Atrue%2C%22logo%22%3Afalse%2C%22playbackRate%22%3Afalse%2C%22scrap%22%3Afalse%2C%22playCount%22%3Atrue%2C%22commentCount%22%3Atrue%2C%22title%22%3Atrue%2C%22writer%22%3Atrue%2C%22expand%22%3Atrue%2C%22subtitles%22%3Atrue%2C%22thumbnails%22%3Atrue%2C%22quality%22%3Atrue%2C%22setting%22%3Atrue%2C%22script%22%3Afalse%2C%22logoDimmed%22%3Atrue%2C%22badge%22%3Atrue%2C%22seekingTime%22%3Atrue%2C%22linkCount%22%3Afalse%2C%22createTime%22%3Afalse%2C%22thumbnail%22%3Atrue%7D%2C%22clicked%22%3A%7B%22expand%22%3Afalse%2C%22subtitles%22%3Afalse%7D%7D&pv=4.6.3&dr=1920x1080&cpl=zh_CN&lc=zh_CN&videoId='+spi[0]+'&cc=US'#拼接spi所找出的相关值取得该v地址的真实源地址信息即json

html_json = urllib2.urlopen(json_url)

h_json = json.loads(html_json.read())#此两行代码是将数据格式化，类似于字典

完整代码如下，由于Pycharm窗口限制，我使用idle打开编译环境：python2

最终运行效果，如下

代码还是有缺陷：没有GUI界面；

没有对input做www判断；

没有写下载代码；

到此，本文结束。喜欢TWICE的可以follow我咯，我不仅是个once，还是个有技术的once。会剪辑视频，会做字幕，会写代码，还会嘤嘤嘤。

最后，再次申明，未经本人的许可禁止转载。源代码已po出。想必有能力的人已经可以copy一份了。