Python爬蟲爬取ts碎片視頻+驗證碼登錄功能

更新時間：2021年02月22日 10:23:14 作者：毛小線~

這篇文章主要介紹了Python爬蟲爬取ts碎片視頻+驗證碼登錄功能,本文給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下

一、實現(xiàn)登錄賬號

這里采用的是手動輸入驗證碼的方式，有能力的盆友也可以通過圖像識別的方式自動填寫驗證碼。登錄后，采用session保持登錄。

1.獲取驗證碼地址

第一步：首先查看驗證碼對應(yīng)的代碼，可以從圖中看到驗證碼圖片的地址是：https://per.enetedu.com/Common/CreateImage?tmep_seq=1613623257608

顏色標紅的部分tmep_seq=1613623257608，是為了解決瀏覽器緩存問題加的時間戳，因此真正的驗證碼圖片地址是：https://per.enetedu.com/Common/CreateImage

第二步：找出登錄時提交的表單內(nèi)容和POST地址。

(1) 不填寫用戶名密碼和驗證碼，直接點擊登錄，使用Chrome瀏覽器的Network檢查，找到POST地址：https://per.enetedu.com/AdminIndex/LoginDo

(2) 繼續(xù)向下看，找到提交的表單 Form Data。

因此帶有驗證碼的登錄代碼如下：

import requests
from PIL import Image
 
#用戶名-密碼-驗證碼方式，登錄
CaptchaUrl = "https://per.enetedu.com/Common/CreateImage" #獲取驗證碼地址
PostUrl = "https://per.enetedu.com/AdminIndex/LoginDo"  #post登錄信息地址
 
client = requests.Session()
username = '替換為自己的用戶名'
password = '替換為自己的密碼'
 
qr_code = client.get(CaptchaUrl)
open('login.jpg', 'wb').write(qr_code.content) #將驗證碼圖片保存至本地
img = Image.open('login.jpg')
img.show()  #打開圖片
 
code = input("請輸入驗證碼: \n") #輸入驗證碼
postData = {      #構(gòu)造POST表單
 'email': username,
 'pwd': password,
 'validateCode': code,
 'x': '22',
 'y': '19'
}
result = client.post(PostUrl,postData) #向PostUrl提交表單

二、實現(xiàn)ts碎片視頻下載，并轉(zhuǎn)換為mp4格式

1.分析視頻下載地址

登錄成功后，檢查視頻播放div對應(yīng)的代碼，企圖找到視頻地址直接保存至本地。結(jié)果，如下圖所示，整個視頻是被分割成一段一段的.ts文件，分段加載到頁面中播放。GET每段視頻的地址為右側(cè)紅框圈起來的部分。

百度后才知道，整個視頻如何分段是由一個m3u8文件來決定的。m3u8文件中的內(nèi)容如下所示，記錄了每段視頻start和end的編號。

#EXTM3U
#EXT-X-VERSION:3
#EXT-X-ALLOW-CACHE:YES
#EXT-X-TARGETDURATION:10
#EXTINF:10.000000,
start_0-end_765064-record.gv.ts
#EXTINF:10.000000,
start_765064-end_1769567-record.gv.ts
#EXTINF:10.000000,
start_1769567-end_2600798-record.gv.ts
#EXTINF:10.000000,
start_2600798-end_3593502-record.gv.ts
#EXTINF:10.000000,
start_3593502-end_4500784-record.gv.ts
#EXTINF:10.000000,
start_4500784-end_5399861-record.gv.ts
#EXTINF:10.000000,
start_5399861-end_6288622-record.gv.ts
#EXTINF:10.000000,
start_6288622-end_7044459-record.gv.ts
#EXTINF:10.000000,
start_7044459-end_7878487-record.gv.ts
#EXTINF:10.000000,
start_7878487-end_8811793-record.gv.ts
#EXTINF:10.000000,

因此，下載視頻的關(guān)鍵是獲取m3u8文件，通過這個視頻的m3u8文件來分段下載視頻。

我是人工找出m3u8的下載地址，暫時還沒研究出來怎么通過視頻地址自動解析出m3u8地址。找的方法很簡單，還是在Chrome的Network控制臺找。打開Network控制臺，刷新頁面，就可以找到如圖所示的m3u8文件。查看m3u8文件的相關(guān)信息，可以看到紅框圈起來的地址就是這個視頻的m3u8下載地址。

對比兩個地址，可以發(fā)現(xiàn)文件名前的地址相同，視頻下載地址即為"標紅地址"+"m3u8文件中列出的視頻段文件名"：

https://bcdn.enetedu.com/conv/cdnfile/video/2016_06_27/1467034852884_f5821b/hi/record.m3u8

https://bcdn.enetedu.com/conv/cdnfile/video/2016_06_27/1467034852884_f5821b/hi/start_643887-end_1083181-record.gv.ts

因此可以將這部分地址設(shè)為：urlroot = https://bcdn.enetedu.com/conv/cdnfile/video/2016_06_27/1467034852884_f5821b/hi

為了方便下載其他視頻時動態(tài)修改，改為動態(tài)截?。?/p>

url = input("請輸入m3u8文件地址：")
urlRoot=self.url[0:url.rindex('/')]

2.批量下載ts視頻片段

這一步使用上一步拼接的地址循環(huán)下載ts視頻即可。下載時，使用登錄時創(chuàng)建的session下載。

session是會話的意思，它可以讓服務(wù)器“認得”客戶端。簡單理解就是，把每一個客戶端和服務(wù)器的互動當作一個“會話”。既然在同一個“會話”里，服務(wù)器自然就能知道這個客戶端是否登錄過。代碼如下：

client = requests.Session() 
client.post(PostUrl,postData) #登錄
 
resp = client.get(download_path) #下載

碎片拼接的方法：下載完第一個ts片段后，直接在該文件后面繼續(xù)寫第二個ts片段，以此類推。而不是新建一個文件寫入。與驗證碼登錄結(jié)合起來，完整代碼如下：

import requests
from PIL import Image
 
import sys
import m3u8
import time
import os
 
#用戶名-密碼-驗證碼方式，登錄
CaptchaUrl = "https://per.enetedu.com/Common/CreateImage" #獲取驗證碼地址
PostUrl = "https://per.enetedu.com/AdminIndex/LoginDo"  #post登錄信息地址
 
client = requests.Session()
username = '526257482@qq.com'
password = 'dashuju_9514'
 
qr_code = client.get(CaptchaUrl)
open('login.jpg', 'wb').write(qr_code.content) #將驗證碼圖片保存至本地
img = Image.open('login.jpg')
img.show()  #打開圖片
 
code = input("請輸入驗證碼: \n") #輸入驗證碼
postData = { #構(gòu)造POST表單
 'email': username,
 'pwd': password,
 'validateCode': code,
 'x': '56',
 'y': '19'
}
result = client.post(PostUrl,postData) #向PostUrl提交表單
 
#循環(huán)下載ts視頻
class VideoCrawler():
 
 def __init__(self,url):
 
  super(VideoCrawler, self).__init__()
  self.url=url
  self.final_path=r"D:\Download\Film"
  
 
 #下載并解析m3u8文件
 def get_url_from_m3u8(self,readAdr):
  print("正在解析真實下載地址...")
  with open('temp.m3u8','wb') as file:
   file.write(requests.get(readAdr).content)
  m3u8Obj=m3u8.load('temp.m3u8')
  print("解析完成")
  return m3u8Obj.segments
 
 def run(self):
  print("Start!")
  start_time=time.time()
  realAdr = self.url #m3u8下載地址
  urlList=self.get_url_from_m3u8(realAdr) #解析m3u8文件，獲取下載地址
  urlRoot=self.url[0:self.url.rindex('/')]
  i=1
  outputfile=open(os.path.join(self.final_path,'%s.ts'%self.fileName),'wb')#初始創(chuàng)建一個ts文件，之后每次循環(huán)將ts片段的文件流寫入此文件中從而不需要在去合并ts文件
  
 
  for url in urlList:
   try:    
    download_path = "%s/%s" % (urlRoot, url.uri) #拼接地址
    resp = client.get(download_path) #使用拼接地址去爬取數(shù)據(jù)
    progess = i/len(urlList)#記錄當前的爬取進度
    outputfile.write(resp.content) #將爬取到ts片段的文件流寫入剛開始創(chuàng)建的ts文件中
    sys.stdout.write('\r正在下載：{},進度：{:.2%}'.format(self.fileName,progess))#通過百分比顯示下載進度
    sys.stdout.flush()#通過此方法將上一行代碼刷新，控制臺只保留一行
   except Exception as e:
    print("\n出現(xiàn)錯誤：%s",e.args)
    continue#出現(xiàn)錯誤跳出當前循環(huán)，繼續(xù)下次循環(huán)
   i+=1
  outputfile.close()
  print("下載完成！總共耗時%d s"%(time.time()-start_time))
  print("開始轉(zhuǎn)換視頻格式！")
  success = os.system(r'copy /b D:\Download\Film\{0}.ts D:\Download\Film\{0}.mp4'.format(self.fileName)) #ts轉(zhuǎn)成mp4格式
  if (not success):
   print("格式轉(zhuǎn)換成功！")
   os.remove(self.final_path+'\\'+self.fileName+".ts") #刪除ts和m3u8臨時文件
   os.remove("temp.m3u8")
 
if __name__=='__main__':
 m3u8_addr = input("輸入m3u8文件下載地址：\n") 
 crawler=VideoCrawler(m3u8_addr)
 crawler.fileName = input("輸入文件名：\n")
 crawler.run()
 quitClick=input("請按Enter鍵確認退出！")