利用python爬取m3u8格式视频的具体实现

目录

• m3u8原理
• 脚本环境
• 爬取步骤
• 步骤的具体实现
• python细节处理说明
• 参考代码
• 总结 

m3u8原理

当我们在网页播放视频时，网页向服务器发起一个以.m3u8结尾的连接请求，服务器会将具体的.ts文件链接路径发送给网页，网页接收这写链接路径，并向这些链接发送请求，请求到的资源就是.ts视频文件，他和我们常见的mp4文件只是封装格式的不同，而且.ts文件的大小很小，我爬取的.ts文件只有六秒的视频文件。之后网页将这些.ts文件整合在一起并进行播放。

脚本环境

python3.8、win 10

爬取步骤

python要做的事情

1、选择可以爬取的视频网站

2、获取.m3u8的URL路径

3、通过requests.get获取.ts文件路径

4、保存.ts文件

5、合并.ts文件为mp4格式

步骤的具体实现

1、视频网站：https://www.3s8m.com/

2、随便选择一个视频进入播放页面，按下F12或者Fn+F12，打开审查元素，选择网络，刷新页面，暂停视频，在审查元素的网络页面选择XHR(没有可以直接在全部搜索m3u8)，找到以m3u8结尾的数据包，点击获取URL

3、python 编写代码请求该URL，打印返回的数据；代码如下

import requests
url = “用第二部找到的URL填入”
results = requests.get(url) #发送get请求
results.encoding=“utf8” #设置编码格式，从网页源码中的head中可以看编码格式，这步不关键
print(results.text) #打印结果
results.close() #关闭

4、可以发现第3步中打印结果有很多URL地址，这些地址就是ts文件的地址，python下载ts文件

import request
url =“填入获取到的ts文件的URL”
results = requests.get(url)
results.encoding =“utf8”
with open(\"./a.ts\",“wb”) as file:
file.write(results.content)
results.close()

5、合并全部的ts文件，调用python的os库，使用系统命令(copy /b a.ts+b.ts a.mp4)进行合并

import os
os.system(“copy /b a.ts+b.ts a.mp4”)

python细节处理说明

1、上述是通过手动查找获取的m3u8地址，那么为什么不用python去爬取，如果用python去爬取那么就需要对爬取的内容进行分析检索，我使用正则进行检索，也可以用xpath、bs4等方式进行检索。

2、一个m3u8地址会对应多个ts文件地址，我们应该对同一个m3u8的ts地址进行整体保存，下载后进行整合在一起变为一个m3u8对应一个视频

3、我们在浏览上述提供的网站时会发现，有些资源有不通播放源，有些版源不能用，那么我们在进行检索的时候可以多加一个进行源切换的操作

4、至于保存的文件名、文件路径这些自己返回，具体的代码下面会提供一个参考。

参考代码

使用代码的前提条件及说明：

1、在代码文件的目录下建一个名为ts_path的文件夹用于保存爬取过程中的临时文件(.ts文件)

2、保存的视频会存放与代码文件同一目录线下，视频名称为 集数.mp4

3、视频下载完，ts_path中的文件需要手动删除，由于之前使用os.system进行删除，误删了我不少源码，决定不加删除代码防止意外

4、代码只是用与上述提供的网站，其他网站需要自己进行修改

import requests
import re
import os

URL = \"输入URL\" #视频URL
resources = 0   #播放源选择

episode_urls = [] #存放章节URL
episode_names = [] #存放章节名称
m3u8_urls = []  #存放ts文件的URL

def get_episode(URL,resources): #获取章节名和路径
    results = requests.get(URL)
    results.encoding = \"utf-8\"
    all = results.text
    results.close()
    episode = re.findall(\'<ul class=\"dslist-group\">.*?</ul>\', all, flags=re.S)
    b = re.finditer(\'href=\".*?</a>\', episode[resources],flags=re.S)
    for i in b:
        i = i[0].replace(\'href=\"\', \"\").replace(\'\"\', \"\")
        episode_urls.append(\"https://www.3s8m.com\" + i.split(\'>\', 1)[0])
        episode_names.append(i.split(\'>\', 1)[1].replace(\"</a>\", \"\"))
    print(episode_names)
    print(episode_urls)


def get_ts(episode_urls): #获取ts文件路径
    for i in episode_urls:
        results = requests.get(i)
        results.encoding = \"utf8\"
        results = re.search(\'https:.*?\\.m3u8\', str(results.text),flags=re.S)
        m3u8_urls.append(results[0].replace(\"\\\\\", \"\"))
    print(m3u8_urls)


def download_video(episode_names, m3u8_urls): #下载ts文件并整合为mp4文件
    for i in range(len(m3u8_urls)):
        try:
            print(m3u8_urls[i])
            results = requests.get(m3u8_urls[i])
            results.encoding = \"utf8\"
            all = re.finditer(\"https://.*?#\", results.text, flags=re.S)
            results.close()
            cmd = []
            n = 0
            for j in all:
                n += 1
                ts_url = j[0].replace(\"\\n#\", \"\")
                cmd.append(f\'{n}.ts\')
                results = requests.get(ts_url,)
                results.encoding = \"utf8\"
                with open(f\"./ts_path/{n}.ts\", \"wb\") as file:
                    file.write(results.content)
                results.close()
                print(f\"{n}.ts 下载完成\")
            os.chdir(\"ts_path\")
            if (\"ts_path\" in os.getcwd()):
                cmd = \"+\".join(cmd)
                cmd = f\"copy /b {cmd} {episode_names[i]}.mp4\"
                os.system(cmd)
                os.system(f\"move {episode_names[i]}.mp4 ../\")
            os.chdir(\"../\")
            print(f\"{episode_names[i]}.mp4 下载成功\")
        except Exception as e:
            print(e)
            exit(0)

if __name__ == \'__main__\':
    get_episode(URL, resources)
    get_ts(episode_urls)
    download_video(episode_names, m3u8_urls)

总结