逆向爬虫31 某站刷播放

逆向爬虫31 某站刷播放

目标：利用爬虫模拟某站视频播放，增加视频的播放量

思考：正常用户是如何为视频增加播放量的？进入视频播放页，点击播放按钮，视频开始播放，就会增加一个播放量。

因此我们只需要模拟点击播放按钮时，浏览器对服务器发送的数据包就可以实现增加播放量。

抓包：

上图是点击 开始播放 后立马停止播放，浏览器发出的8个数据包，分别是以下四种类型：

now
h5
web
heartbeat

思考：只是一点击 开始播放 就发出了这么多数据包，是否这些数据包都要模拟呢？由于我们之前爬过视频网站的电影，知道视频在 持续播放 时也会源源不断地和服务器进行数据交互，我们知道持续播放视频并不会给视频增加播放量，因此当我们点击 开始播放 时，会不会也存在 持续播放 时发送的数据包呢？抱着这个疑问清空数据包，再点击一次播放按钮，让视频持续播放

抓包：

上图是再次点击播放按钮，播放视频10几秒后抓到的数据包，分别是：

heartbeat
web
564529090.xxx.m4s

思考：其中m4s文件应该是视频文件，heartbeat和web分别是都在前面出现过，因此点击 开始播放 按钮发出数据包是

now
h5

问题：究竟是 now数据包 导致播放量增加，还是 h5数据包 导致播放量增加，还是 now和h5两个数据包 共同作用下导致播放量增加？一般爬虫遇到这类问题的时候，只能一个一个试来找到答案。这里为了快速接近问题的答案，直接把浏览器里的 请求头 和 载荷 填入 requests 中（写死的方式），来观察结果。

模拟发送now数据包

get_play_count()	# 获取当前播放量
access_now()		# 发送now数据包
sleep(3)			# 延时3秒
get_play_count()	# 获取当前播放量
""" 输出结果
当前播放量: 136
{"code":0,"message":"0","ttl":1,"data":{"now":1650896747}}
当前播放量: 136
"""

模拟发送h5数据包

get_play_count()	# 获取当前播放量
access_h5()			# 发送h5数据包
sleep(3)			# 延时3秒
get_play_count()	# 获取当前播放量
""" 输出结果
当前播放量: 136
{"code":0,"message":"0","ttl":1}
当前播放量: 137
"""

通过尝试发现是 h5数据包 导致播放量增加，因此接下来的目标就是模拟发送 h5数据包 。

处理h5数据包的载荷

aid: 810329371			每个视频不同
cid: 564529090			每个视频不同
bvid: XXXXXXXXXX		每个视频不同
part: 1
mid: 0
lv: 0
ftime: 1650890472		时间戳
stime: 1650897031		时间戳
jsonp: jsonp
type: 3
sub_type: 0
from_spmid: 333.337.search-card.all.click
auto_continued_play: 0
refer_url: https://search.bilibili.com/all?keyword=python
from_source: webtop_search
spm_id_from: 333.1007
bsource: 
spmid: 333.788.0.0

只有 aid cid bvid 三个参数需要处理，经过查找发现它们就在页面源代码里，正则提取即可。