用python制作個視頻下載器

更新時間：2021年02月01日 14:53:32 作者：不正經(jīng)的kimol君

這篇文章主要介紹了如何用python制作個視頻下載器，幫助大家更好的理解和使用python，感興趣的朋友可以了解下

前言

某個夜深人靜的夜晚，夜微涼風微揚，月光照進我的書房~
當我打開文件夾以回顧往事之余，驚現(xiàn)許多看似雜亂的無聊代碼。我拍腿正坐，一個想法油然而生：“生活已然很無聊，不如再無聊些叭”。
于是，我決定開一個專題，便稱之為kimol君的無聊小發(fā)明。
妙…啊~~~

眾所周知，視頻是一個學習新姿勢知識的良好媒介。那么，如何利用爬蟲更加方便快捷地下載視頻呢？本文將從數(shù)據(jù)包分析到代碼實現(xiàn)來進行一個相對完整的講解。

一、爬蟲分析

本次選取的目標視頻網(wǎng)站為某度旗下的好看視頻：

https://haokan.baidu.com

1.視頻搜索

進入主頁后，我們可以看到一個搜索框歷歷在目：

當我們點擊搜索按鈕之后，會出現(xiàn)與關(guān)鍵字（ps.這里要考，大家仔細看😋）相匹配的視頻，我們需要做的便是抓包來分析其中的請求數(shù)據(jù)。

關(guān)于抓包工具，可以選擇三方工具（如Fiddler或者Burpsuit等），當然也可以選擇瀏覽器自帶的調(diào)試工具（在瀏覽器中按F12即可打開）。
在這里我選擇了后者，打開F12調(diào)試工具，選擇網(wǎng)絡：

在點擊搜索按鈕之后我們可以看到相應的網(wǎng)絡請求出現(xiàn)在下面的工具框中：

通過簡單的查找之后我們可以很容易地發(fā)現(xiàn)對應的搜索請求（紅框標出部分），其對應的地址為：

https://haokan.baidu.com/videoui/page/search?query=kimol君666

那么，我們通過requests庫來模擬該請求，便可實現(xiàn)搜索視頻的功能：

import requests
res = requests.get('https://haokan.baidu.com/videoui/page/search?query=xxxxx')# xxxxx表示你需要搜索的關(guān)鍵字

注：這里不需要用到請求頭headers，但是不能一概而論。是否需要請求頭要根據(jù)具體網(wǎng)站分析哦~

你沒有看錯，我只用了2行代碼便實現(xiàn)了視頻網(wǎng)站的搜索功能。有時候，爬蟲就是這么簡單😉！
在得到請求后，接下來我們要對這個請求返回的數(shù)據(jù)進行分析，同樣是在F12調(diào)試工具中點擊右側(cè)的響應便可以看到請求的響應：

很顯然，這里返回的是一個HTML格式的數(shù)據(jù)，我們只需要通過re庫或是bs4庫等將我們需要的數(shù)據(jù)提取出來即可。至此，關(guān)于視頻搜索的分析基本算是完成了。
然而！細心的小伙伴會發(fā)現(xiàn)，我們現(xiàn)在可以獲得搜索結(jié)果，但是沒辦法選擇頁面呀。對嚯~那咋辦呀？

同樣，我們繼續(xù)抓包分析不就可以了嘛~ 我倒要看看你是怎么翻頁的。果然，下滑鼠標之后我們得到了新的請求：

其請求地址變?yōu)榱耍?/p>

https://haokan.baidu.com/videoui/page/search?pn=2&rn=10&_format=json&tab=video&query=kimol君666

請求多了pn、rn、_format、tab等參數(shù)，而且請求返回的格式也變?yōu)榱薐SON格式（豈不美哉？更方便提取想要的數(shù)據(jù)了）。通過簡單測試可以知道，這些參數(shù)分別代表：

參數(shù)	說明
pn	請求的頁碼
rn	每次請求返回的數(shù)據(jù)量
_format	請求返回的數(shù)據(jù)格式
tab	請求的標簽類型

那么，相應的代碼可以改為：

import requests
page = 1
keyword = 'xxxxx' # xxxxx為搜索的關(guān)鍵字
url = 'https://haokan.baidu.com/videoui/page/search?pn=%d&rn=10&_format=json&tab=video&query=%s'%(page,keyword)
res = requests.get(url)
data = res.json()

至此，視頻搜索部分的分析算是告于段落了。

2.視頻下載

視頻下載的思路也很清晰，只需進入播放視頻的界面找到相應的視頻原文件地址即可。
小手一點，我們便進到了一個視頻的播放界面，我們可以發(fā)現(xiàn)其URL很有規(guī)律：它通過一個vid的參數(shù)來指向的相應視頻。

右鍵視頻播放頁面查看源碼（或者通過右鍵視頻檢查元素也可），我們可以找到視頻播放的src，其對應的正則表達式為：

p = '<video class="video" src=(.*?)>'

那么，我們可以定義一個函數(shù)來解析視頻的原文件地址：

def get_videoUrl(vid):
 '''
 提取視頻信息中的視頻源地址
 '''
 res = requests.get('https://haokan.baidu.com/v?vid=%s'%vid)
 html = res.text
 videoUrl = re.findall('<video class="video" src=(.*?)>',html)[0]
 return videoUrl

輸入視頻的id參數(shù)，將返回視頻的真正文件地址。有了視頻的地址，要下載視頻便是信手拈來：

def download_video(vid):
 '''
 下載視頻文件
 '''
 savePath = 'xxxxx.mp4' # 定義存儲的文件名
 videoUrl = get_videoUrl(vid) # 獲取視頻下載地址 
 res = requests.get(videoUrl)
 with open(savePath,'wb') as f:
 f.write(res.content)

至此，我們已經(jīng)可以根據(jù)關(guān)鍵字搜索相關(guān)的視頻，并且可以把視頻下載到本地了。這也意味著：關(guān)于本次視頻下載爬蟲的介紹也就結(jié)束了，剩下的就是根據(jù)自己實際需求對代碼進行包裝即可。

二、我的代碼

這里提供一個我自己的代碼，僅供參考：

# =============================================================================
# 好看視頻_v0.1
# =============================================================================
import re
import os
import time
import queue
import requests
import threading
import pandas as pd

class Haokan:
 def __init__(self):
 self.url = 'https://haokan.baidu.com/videoui/page/search?pn=%d&rn=20&_format=json&tab=video&query=%s'
 self.headers = {
  'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:80.0) Gecko/20100101 Firefox/80.0',
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
  'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
  'Connection': 'keep-alive',
  'Upgrade-Insecure-Requests': '1',
  'TE': 'Trailers',
 }
 self.savaPath = './videos' # 視頻存儲路徑
 
 def get_info(self,keywords,page):
 '''
 搜索關(guān)鍵字，獲取相關(guān)視頻信息
 '''
 self.result = [] # 相關(guān)視頻信息
 for p in range(1,page+1):
  res = requests.get(self.url%(p,keywords),headers=self.headers)
  data = res.json()['data']['response']
  videos = data['list']
  self.result.extend(videos)
  print('"第%d頁"爬取完成!'%(p+1))
 self.result = pd.DataFrame(self.result)
 self.result.to_excel('%s.xlsx'%keywords,index=False)
 # 定義隊列，用于多線程下載視頻
 self.url_queue = queue.Queue() 
 for vid,url in zip(self.result['vid'],self.result['url']):
  self.url_queue.put((vid,url))
 
 def get_videoUrl(self,url):
 '''
 提取視頻信息中的視頻源地址
 '''
 res = requests.get(url,headers=self.headers)
 html = res.text
 videoUrl = re.findall('<video class="video" src=(.*?)>',html)[0]
 return videoUrl
 
 def download_video(self,videoId,videoUrl):
 '''
 下載視頻文件
 '''
 # 如果視頻存儲目錄不存在則創(chuàng)建
 if not os.path.exists(self.savaPath):
  os.mkdir(self.savaPath)
 res = requests.get(videoUrl,headers=self.headers)
 with open('%s/%s.mp4'%(self.savaPath,videoId),'wb') as f:
  f.write(res.content)
  
 def run(self):
 while not self.url_queue.empty():
  t_s = time.time()
  vid,url = self.url_queue.get()
  try:
  video_url = self.get_videoUrl(url)
  self.download_video(vid,video_url)
  except:
  print('"%s.mp4"下載失敗!'%vid)
  continue
  t_e = time.time()
  print('"%s.mp4"下載完成!(用時%.2fs)'%(vid,t_e-t_s))
  
if __name__ == "__main__":
 keywords = '多啦A夢'
 page = 1 # 爬取頁數(shù)，每頁20條信息
 t_s = time.time()
 haokan = Haokan()
 haokan.get_info(keywords,page)
 N_thread = 3 # 線程數(shù)
 thread_list = []
 for i in range(N_thread):
 thread_list.append(threading.Thread(target=haokan.run))
 for t in thread_list:
 t.start()
 for t in thread_list:
 t.join()
 t_e = time.time()
 print('任務完成!(用時%.2fs)'%(t_e-t_s))

運行代碼，可以看到小頻頻全都來到我的碗里了😍~