Python爬取斗罗大陆樱花动漫全集-CSDN博客

本文链接：https://blog.csdn.net/weixin_61067952/article/details/132424429

文章讲述了如何使用Python编程语言，结合requests库和正则表达式(re)，从网页中抓取m3u8和ts链接，通过处理URL中的转义字符并使用多线程技术批量下载视频，同时提及了防止被反爬策略如设置随机User-Agent。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

打开网址http://www.luoxu.cc/dmplay/C888H-1-265.html

F12打开Fetch/XHR，看到m3u8，ts，一眼顶真，打开index.m3u8

由第一个包含第二个index.m3u8的地址，ctrl+f在源代码中一查index，果然有，不过/前总有个\，这个用replace替换为空

查到第一个index.m3u8，就可以依次找到.ts地址

①爬取原网页，利用re找到第一个index地址

②再利用re找到第二个，然后爬取ts网页内容，添加到mp4文件中

③正则查找要用非贪婪模式，还有记得加上time.sleep()和timeout,以及user-agent要随机取（参考源码），要不然会有connection aborted，被反爬。。

④查看每一集的url的不同点，最后利用线程池一次性爬好几集（这里爬了1-10集），只要你内存够（

源码：

import requests
from bs4 import BeautifulSoup
import os
import re
import numpy as np
from concurrent.futures import ThreadPoolExecutor
import time
headers=[
    {'user-agent':"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36"},
    {'user-agent':"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"},
    {'user-agent':"Mozilla/5.0 (Windows NT 10.0; WOW64) Gecko/20100101 Firefox/61.0"},
    {'user-agent':"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36"},
    {'user-agent':"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.62 Safari/537.36"},
    {'user-agent':"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36"},
    {'user-agent':"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)"},
    {'user-agent':"Mozilla/5.0 (Macintosh; U; PPC Mac OS X 10.5; en-US; rv:1.9.2.15) Gecko/20110303 Firefox/3.6.15"},
    {'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'}
]
def fun(url,index):
    r=requests.get(url,headers=np.random.choice(headers),timeout=5)
    index_m3u8=re.findall('https:.*?/index.m3u8',r.text)[0]
    index_m3u8=index_m3u8.replace("\\",'')
    r=requests.get(index_m3u8,np.random.choice(headers),timeout=5)
    index_m3u8=index_m3u8.replace('index.m3u8','')
    index_m3u8=index_m3u8+re.findall('/(.*)?',r.text)[0].split('/')[-3]+'/hls/index.m3u8'
    r=requests.get(index_m3u8,np.random.choice(headers),timeout=5)
    ts=re.findall('https://(.*)\.ts',r.text)
    with open(f"D:/dl/{index}.mp4",'ab') as f:
        for node in ts:
            time.sleep(np.random.randint(1,3))
            node='https://'+node+'.ts'
            r=requests.get(node,np.random.choice(headers),timeout=5)
            f.write(r.content)
    print('ok')
pool=ThreadPoolExecutor(10)
for i in range(1,11):
    url=f'http://www.luoxu.cc/dmplay/C888H-1-{266-i}.html'
    pool.submit(fun,url,i)