Python爬虫：AcFun弹幕视频网_飞道的博客

Python爬虫：AcFun弹幕视频网

2020-11-26 00:13 849人阅读评论(0)

CSDN个人主页： 高智商白痴
原文地址： https://blog.csdn.net/qq_44700693/article/details/109124334?utm_source=app

日常跳转：

- - 导入

导入

前段时间我已经将B站的爬取方法做了一个总结：Python爬虫：哔哩哔哩（bilibili）视频下载。

这一次，我将继续分享 AcFun 视频网站的解析，其实相对于B站，A站的反爬机制更为简单：

单个短视频

获取视频的信息

为了能够方便的解析与说明，就肯定会拿一个例子来才好的哇：

【仙女UP特辑】AcFun Family Party ——成都站（今天又是 ~~lsp~~ 的一天呢~~）

直接在浏览器端打开并抓包该链接发现，在 XHR 的数据下，第一条（又或者某一次）的请求就加载了视频的真实请求链接：
虽然本身仅仅是一个 m3u8 文件，不过我们还是有办法处理的，我们在此之前先必须要找到该文件的亲亲贵是从哪里发出来的，又或者能够在哪里找到这个链接。

在找遍了 XHR 数据无果后，我决定去看一看网页源码：
当我用 m3u8 文件的请求链接在网页源码中搜索后发现，链接就出现在源码中：

因为在源码中是以 JSON 数据存放的：

所以我们需要将数据格式化，方便我们进行数据提取：

虽然我将该数据格式化以后发现，有一个字段的值居然也是一个 JSON 数据的格式，所以我们再对第二层的 JSON 数据进行格式化后可以看到以下信息：

对于未登录时的状态，即使网页端不能直接播放，但是 “ 后台 ” 早已经给我们准备好了播放链接（B站则是加载当前账户或着未登录时能观看的最大清晰度），所以我们可以在未登陆的情况下白嫖超高清资源~~

class m3u8_url():
    def __init__(self, f_url):
        self.url = f_url

    def get_m3u8(self):
        global flag, qua, rel_path
        html = requests.get(self.url, headers=headers).text
        first_json = json.loads(re.findall('window.pageInfo = window.*? = (.*?)};', html)[0] + '}', strict=False)
        name = first_json['title'].strip().replace("|",'')
        video_info = json.loads(first_json['currentVideoInfo']['ksPlayJson'], strict=False)['adaptationSet'][0]['representation']

为了后续能够选择清晰度，所以我还进行了清晰度的爬取:

for quality in video_info:  # 清晰度
    num += 1
    Label[num] = quality['qualityLabel']
print(Label)
choice = int(input("请选择清晰度: "))

通过m3u8文件地址下载视频

到此，我们已经可以拿到视频的 m3u8 文件的地址，那么现在就来开始解决之前遗留的一个小问题：如何通过 m3u8 文件下载视频？

首先，我们拿到一个 m3u8 文件来作为案例：
为了方便，在这里我手动的写了一个 m3u8 文件来作为例子。

我们知道，在 m3u8 文件中的视频链接都是 .ts 的分段格式，所以我们必须要先想办法将所有的 .ts 链接都拿出来，并且加上前缀，拼装成视频的真实完整的链接：(在这里假设视频原前缀为 https://www.acfun.cn/)

urls=[]  # 用于保存视频的分段链接
def get_ts_urls():
    with open('123.m3u8',"r") as file:
        lines = file.readlines()
        for line in lines:
            if '.ts' in line:
                print("https://www.acfun.cn/"+line)

通过以上方法，我们就可以通过 m3u8 文件来获取每一段的视频链接了，接下来，我们再将下载的功能进行完善：

下载的基本思路还是和我以前的一篇文章的思路一样：Python爬虫：用最普通的方法爬取ts文件并合成为mp4格式

class Download(): 
    urls = []  # 用于保存视频的分段链接

    def __init__(self, name, m3u8_url, path):
        '''
        :param name: 视频名
        :param m3u8_url: 视频的 m3u8文件 地址
        :param path: 下载地址
        '''
        self.video_name = name
        self.path = path
        self.f_url = str(m3u8_url).split('hls/')[0] + 'hls/'
        with open(self.path + '/{}.m3u8'.format(self.video_name), 'wb')as f:
            f.write(requests.get(m3u8_url, headers={
   'user-agent': 'Chrome/84.0.4147.135'}).content)

    def get_ts_urls(self):
        with open(self.path + '/{}.m3u8'.format(self.video_name), "r") as file:
            lines = file.readlines()
            for line in lines:
                if '.ts' in line:
                    self.urls.append(self.f_url + line.replace('\n', ''))

    def start_download(self):
        self.get_ts_urls()
        for url in tqdm(self.urls, desc="正在下载 {} ".format(self.video_name)):
            movie = requests.get(url, headers={
   'user-agent': 'Chrome/84.0.4147.135'})
            with open(self.path + '/{}.flv'.format(self.video_name), 'ab')as f:
                f.write(movie.content)
        os.remove(self.path + '/{}.m3u8'.format(self.video_name))

代码注解：

1、为了最后得到的只有视频，所以在视频下载完后，自动的将当前视频的 m3u8 文件进行了删除操作。

2、line.replace('\n', '') 的原因：读取到的 m3u8 文件的每一行结尾都含有一个 " \n "。

源码及效果

终于，到现在我们已经可以整合代码并运行看一看了：

import os
import re
import json
import requests
from tqdm import tqdm

path = './'

headers = {
   
    'referer': 'https://www.acfun.cn/',
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.83'
}

class m3u8_url():
    def __init__(self, f_url):
        self.url = f_url

    def get_m3u8(self):
        global flag, qua, rel_path
        html = requests.get(self.url, headers=headers).text
        first_json = json.loads(re.findall('window.pageInfo = window.videoInfo = (.*?)};', html)[0] + '}', strict=False)
        name = first_json['title'].strip().replace("|",'')
        video_info = json.loads(first_json['currentVideoInfo']['ksPlayJson'], strict=False)['adaptationSet'][0]['representation']
        Label = {
   }
        num = 0
        for quality in video_info:  # 清晰度
            num += 1
            Label[num] = quality['qualityLabel']
        print(Label)
        choice = int(input("请选择清晰度: "))
        Download(name + '[{}]'.format(Label[choice]), video_info[choice - 1]['url'], path).start_download()

class Download():
    urls = []

    def __init__(self, name, m3u8_url, path):
        '''
        :param name: 视频名
        :param m3u8_url: 视频的 m3u8文件 地址
        :param path: 下载地址
        '''
        self.video_name = name
        self.path = path
        self.f_url = str(m3u8_url).split('hls/')[0] + 'hls/'
        with open(self.path + '/{}.m3u8'.format(self.video_name), 'wb')as f:
            f.write(requests.get(m3u8_url, headers={
   'user-agent': 'Chrome/84.0.4147.135'}).content)

    def get_ts_urls(self):
        with open(self.path + '/{}.m3u8'.format(self.video_name), "r") as file:
            lines = file.readlines()
            for line in lines:
                if '.ts' in line:
                    self.urls.append(self.f_url + line.replace('\n', ''))

    def start_download(self):
        self.get_ts_urls()
        for url in tqdm(self.urls, desc="正在下载 {} ".format(self.video_name)):
            movie = requests.get(url, headers={
   'user-agent': 'Chrome/84.0.4147.135'})
            with open(self.path + '/{}.flv'.format(self.video_name), 'ab')as f:
                f.write(movie.content)
        os.remove(self.path + '/{}.m3u8'.format(self.video_name))

url1 = input("输入地址: ")
m3u8_url(url1).get_m3u8()

效果：

哦豁~ 起飞~~

番剧剧集

获取视频的信息

既然要从番剧入手，那肯定就还是拿一个例子来说明吧：

租借女友（又是 ~~lsp~~ 的呢~~）

针对这部番剧，我们直接从单个视频解析方式来获取经验 -----> 直接从网页源码开始：

果然也在源码中找到了与单个视频类似的 JSON 数据，我们继续将这些数据进行格式化：

结果视频的 存放方式 和 存放的字段 和单个视频 一摸一样，为了减少最后的代码量，我们可以将两种方式都适配到一个类中：

class m3u8_url():
    def __init__(self, f_url, name=""):
    	'''
        :param f_url: 当前视频的链接
        :param name:  番剧名，默认为空
        '''
        self.url = f_url
        self.name = name

    def get_m3u8(self):
        global flag, qua, rel_path
        html = requests.get(self.url,  headers=headers).text
        first_json = json.loads(re.findall('window.pageInfo = window.*? = (.*?)};', html)[0] + '}', strict=False)
        if self.name == '':
            name = first_json['title'].strip().replace("|",'')
        else:
            name = self.name
            rel_path = path + first_json['bangumiTitle'].strip()
            if os.path.exists(rel_path):
                pass
            else:
                os.makedirs(rel_path)
        video_info = json.loads(first_json['currentVideoInfo']['ksPlayJson'], strict=False)['adaptationSet'][0]['representation']
        Label = {
   }
        num = 0
        for quality in video_info:  # 清晰度
            num += 1
            Label[num] = quality['qualityLabel']
        if flag:
            print(Label)
            choice = int(input("请选择清晰度: "))
            flag = False
            qua = choice
            Download(name + '[{}]'.format(Label[choice]), video_info[choice - 1]['url'], path).start_download()
        else:
            Download(name + '[{}]'.format(Label[qua]), video_info[qua - 1]['url'], rel_path).start_download()

代码注解：

flag ：用于判断是否已经选择了下载时的清晰度。

qua : 保存选择的清晰度。

rel_path ：更改番剧下载的位置（番剧名的文件夹下）。

first_json = json.loads(re.findall(‘window.pageInfo = window.? = (.?)};’, html)[0] + ‘}’, strict=False) ：更改视频信息的匹配正则表达式，可以同时用来匹配单个视频和番剧视频。

知道了某一集怎么下载，总不可能要每一集都要去手动输入链接吧！！！遇到只有几集的番剧还好，要是遇到这样的：

你来？？？

番剧剧集链接

同样的，我们还是从网页源码出发：

虽然我们能在源码中找到番剧的所有信息，但是，并不是所有的都是我们需要的，我们还要先去看看哪些信息是我们必须要拿到的：
当我点击第二集时，浏览器地址栏的地址发生了变化：

https://www.acfun.cn/bangumi/aa6002917_36188_1740687

我们很容易的就可以发现：

https://www.acfun.cn/bangumi/aa6002917 ：番剧的主页链接。

36188 ：一串不知道有什么用的数字，不过我发现它并没有什么用，都是固定的：

举几个例子：
租借女友：第2话前女友和女友：https://www.acfun.cn/bangumi/aa6002917_36188_1740687
租借女友：第3话海和女友：https://www.acfun.cn/bangumi/aa6002917_36188_1741409
镇魂街：第2话：https://www.acfun.cn/bangumi/aa5020166_36188_232386
…
同样的点回第一集时也可以看到第一集的链接也可以写成：
镇魂街：第1话：https://www.acfun.cn/bangumi/aa5020166_36188_232383
租借女友：第1话租借女友：https://www.acfun.cn/bangumi/aa6002917_36188_1739760
…

1740687 ：每一集的 ID ，在源码中以 itemId 字段保存。

于是，我们就可以写出获取每一集视频链接的代码：

class Pan_drama():
    def __init__(self, f_url):
        '''
        :param f_url: 视频主页的链接
        '''
        self.aa = len(str(f_url).split('/')[-1])
        if self.aa == 7:
            self.url = f_url
        elif self.aa > 7:
            self.url = str(f_url).split('_')[0]

    def get_info(self):
        video_info = {
   }
        html = requests.get(self.url, headers=headers).text
        all_item = json.loads(re.findall('window.bangumiList = (.*?);', html)[0])['items']
        for item in tqdm(all_item, desc="正在准备番剧"):
            video_info[item['episodeName'] + '-' + item['title']] = self.url + '_36188_' + str(item['itemId'])
        for name in video_info.keys():
            m3u8_url(video_info[name],name).get_m3u8()

代码注解：

self.aa ：为了更好的适应性，简单的解决一下，传入某一集的链接，但是可以下载全番剧的情况。

源码及效果

全部源码：

import os
import re
import json
import requests
from tqdm import tqdm

path = './'

headers = {
   
    'referer': 'https://www.acfun.cn/',
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.83'
}

flag = True
qua = 0


class m3u8_url():
    def __init__(self, f_url, name=""):
        '''
        :param f_url: 当前视频的链接
        :param name:  番剧名，默认为空
        '''
        self.url = f_url
        self.name = name

    def get_m3u8(self):
        global flag, qua, rel_path
        html = requests.get(self.url, headers=headers).text
        first_json = json.loads(re.findall('window.pageInfo = window.*? = (.*?)};', html)[0] + '}', strict=False)
        if self.name == '':
            name = first_json['title'].strip().replace("|", '')
            rel_path=path
        else:
            name = self.name
            rel_path = path + first_json['bangumiTitle'].strip()
            if os.path.exists(rel_path):
                pass
            else:
                os.makedirs(rel_path)
        video_info = json.loads(first_json['currentVideoInfo']['ksPlayJson'], strict=False)['adaptationSet'][0][
            'representation']
        Label = {
   }
        num = 0
        for quality in video_info:  # 清晰度
            num += 1
            Label[num] = quality['qualityLabel']
        if flag:
            print(Label)
            choice = int(input("请选择清晰度: "))
            flag = False
            qua = choice
            Download(name + '[{}]'.format(Label[choice]), video_info[choice - 1]['url'], rel_path).start_download()
        else:
            Download(name + '[{}]'.format(Label[qua]), video_info[qua - 1]['url'], rel_path).start_download()


class Pan_drama():
    def __init__(self, f_url):
        '''
        :param f_url: 视频主页的链接
        '''
        self.aa = len(str(f_url).split('/')[-1])
        if self.aa == 7:
            self.url = f_url
        elif self.aa > 7:
            self.url = str(f_url).split('_')[0]

    def get_info(self):
        video_info = {
   }
        html = requests.get(self.url, headers=headers).text
        all_item = json.loads(re.findall('window.bangumiList = (.*?);', html)[0])['items']
        for item in tqdm(all_item, desc="正在准备番剧"):
            video_info[item['episodeName'] + '-' + item['title']] = self.url + '_36188_' + str(item['itemId'])
        for name in video_info.keys():
            m3u8_url(video_info[name],name).get_m3u8()


class Download():
    urls = []

    def __init__(self, name, m3u8_url, path):
        '''
        :param name: 视频名
        :param m3u8_url: 视频的 m3u8文件 地址
        :param path: 下载地址
        '''
        self.video_name = name
        self.path = path
        self.f_url = str(m3u8_url).split('hls/')[0] + 'hls/'
        with open(self.path + '/{}.m3u8'.format(self.video_name), 'wb')as f:
            f.write(requests.get(m3u8_url, headers={
   'user-agent': 'Chrome/84.0.4147.135'}).content)

    def get_ts_urls(self):
        with open(self.path + '/{}.m3u8'.format(self.video_name), "r") as file:
            lines = file.readlines()
            for line in lines:
                if '.ts' in line:
                    self.urls.append(self.f_url + line.replace('\n', ''))

    def start_download(self):
        self.get_ts_urls()
        for url in tqdm(self.urls, desc="正在下载 {} ".format(self.video_name)):
            movie = requests.get(url, headers={
   'user-agent': 'Chrome/84.0.4147.135'})
            with open(self.path + '/{}.flv'.format(self.video_name), 'ab')as f:
                f.write(movie.content)
        os.remove(self.path + '/{}.m3u8'.format(self.video_name))


url1 = input("输入地址: ")
if url1.split('/')[3] == 'v':
    m3u8_url(url1).get_m3u8()
elif url1.split('/')[3] == 'bangumi':
    Pan_drama(url1).get_info()

效果示例：

（因为考虑到万一要被拉黑的问题，那不就 gg 了，所以我没加入多线程，有需要可以直行尝试尝试~~~）

转载：https://blog.csdn.net/qq_44700693/article/details/109124334

查看评论

飞道的博客

飞道的博客

个人资料

文章分类

文章存档

阅读排行

评论排行

推荐文章