抓取网页视频工具(如何拿到优酷来讲的播放地址？|大神)

　　抓取网页视频工具(如何拿到优酷来讲的播放地址？|大神)

　　出自Mort Yao之手：

　　前言（废话）：

　　前段时间，因公司需要。所以我们要研究如何获取视频画面的播放地址。一般普通网站的视频播放地址还是很容易拿到的。但对于优酷、腾讯这样的大型视频资源站来说，获取视频资源却是困难重重。普通网站可以直接通过网页抓取视频画面的播放地址。但是这些大的都不好。这些网站都是反水蛭。以优酷为例。首先他使用自己的SWF播放器，然后服务器异步加载一个参数给页面播放器。播放器内部解析这些参数，然后获取视频的播放地址。这个分析过程比较复杂。

　　一开始我用fiddler4抓包，能抓到很多有用的信息。一开始想用反向JS来做，后来发现好像和JS关系不大，后来用jsop抓关键代码，发现他的视频信息是异步加载的，说明jsoup抓不到。经过仔细观察，他发现他所有的请求都是SWF播放器发送的。没有别的办法，只能抓取他的SWF并反编译：（如果只是一个简单的web应用程序，可以使用它的swf然后抓取网页上name="flashvars"部分的值，然后将此值发送到swf，它可以播放。）

　　这是主要的事情。

　　我大概知道优酷的加密方式是

　　/player/getFlvPath+"/sid/"+$sid+"_"+No+"/st/"+thisVideoType+"/fileid/"+id

　　大概格式sid是securityId，然后是No（数字）和后面的fileId也是用一系列加密的，不是简单的ID。一般都会有token，K，ep参数是比较重要的参数。最后，有了这个地址，你只需要得到一串可以获取播放地址的JSON。

　　[{"fileid":"0300080100579F87DDDF300157E54E465E9572-D357-57B7-15CA-646DEC5748A9.mp4","server":"http://117.41.231.17/youku/696AF5871C487D59853F424D/0300080100579F87DDDF300157E54E465E9572-D357-57B7-15CA-646DEC5748A9.mp4"}]

　　就像上面一样，虽然服务器可以获取视频地址，但是/youku/后面的一串乱码是SEED加密。换句话说，它每隔几个小时就会改变一次，即不可能一次得到一个永远不会改变的地址。

　　优酷的视频下载都是手机客户端，也就是说网页要抓取地址，普通的方法是不行的。后来我在客户端进行了一次数据抓取，惊讶的发现TMD根本抓取不到任何有用的信息。每次点击下载新视频再看抓包信息，好像什么都没发生。如果没有反编译，唯一的办法就是反编译。. （免费版的反编译工具只能查看，不能复制，更别说调试了……）

　　说了这么多，现在该进入正题了。You-get 是一款功能强大的视频捕捉工具。原理是将上面的swf反编译捕获加密方式，然后解析网页请求，然后从视频站服务器获取地址。

　　首先，这种语言是基于 Python 的。先去官方下载最新版本（至少3.0），因为这个版本自带pip3.，然后配置环境。

　　这里我就不多说了：

　　然后打开cmd命令输入

　　pip3 install --upgrade you-get

　　为了get you-get，get成功后的基本使用方法见上面链接。

　　下一步是关键。

　　如果只是想获取地址，可以在前面加一条命令

　　--json

　　you-get --json youwannaURL

　　你可以得到地址

　　通过pip3安装的东西一般放在你的Python文件夹/Lib/site-packages/

　　extractor.py 是主层之后的功能层。进去看看的方式有很多种，比如

　　不带参数的you-get URL会执行下载的第一个if的else语句直接下载视频。如果有--json参数，则执行此if

　　下载的函数在common.py

　　你可以加一段给我输出。或者使用 return 来阻止下载。

　　回到输出json端，在json_output.py下

　　你可以对我这样做，选择你需要的字段，然后以文件的形式输出。大家都很高兴，得到了地址。

　　你可以更改代码以获得更多你想要的功能~