• Python爬虫实战案例:爬取爱奇艺VIP视频


    一、实战背景

    爱奇艺的VIP视频只有会员能看,普通用户只能看前6分钟。比如加勒比海盗5的URL:http://www.iqiyi.com/v_19rr7qhfg0.html#vfrm=19-9-0-1

    我们怎么免费看VIP视频呢?一个简单的方法,就是通过旋风视频VIP解析网站。URL:http://api.xfsub.com/

    这个网站为我们提供了免费的视频解析,它的通用解析方式是:

     http://api.xfsub.com/index.php?url=[播放地址或视频id]

    比如,对于绣春刀这个电影,我们只需要在浏览器地址栏输入:

     http://api.xfsub.com/index.php?url=http://www.iqiyi.com/v_19rr7qhfg0.html#vfrm=19-9-0-1

    这样,我们就可以在线观看这些VIP视频了:

    但是这个网站只提供了在线解析视频的功能,没有提供下载接口,如果想把视频下载下来,我们就可以利用网络爬虫进行抓包,将视频下载下来。

    二、实战升级

    分析方法相同,我们使用Fiddler进行抓包:

    我们可以看到,有用的请求并不多,我们逐条分析。我们先看第一个请求返回的信息。

    可以看到第一个请求是GET请求,没有什么有用的信息,继续看下一条。

    我们看到,第二条GET请求地址变了,并且在返回的信息中,我们看到,这个网页执行了一个POST请求。POST请求是啥呢?它跟GET请求正好相反,GET是从服务器获得数据,而POST请求是向服务器发送数据,服务器再根据POST请求的参数,返回相应的内容。这个POST请求有四个参数,分别为time、key、url、type。记住这个有用的信息,我们在抓包结果中,找一下这个请求,看看这个POST请求做了什么。

    很显然,这个就是我们要找的POST请求,我们可以看到POST请求的参数以及返回的json格式的数据。其中url存放的参数如下:

        xfsub_api/url.php?key=02896e4af69fb18f70129b6046d7c718&time=1505724557&url=http%3A%2F%2Fwww.iqiyi.com%2Fv_19rr7qhfg0.html&type=&xml=1

    这个信息有转义了,但是没有关系,我们手动提取一下,变成如下形式:

        xfsub_api/url.php?key=02896e4af69fb18f70129b6046d7c718&time=1505724557&url=http://www.iqiyi.com/v_19rr7qhfg0.html&type=&xml=1

    我们已经知道了这个解析视频的服务器的域名,再把域名加上:

        http://api.xfsub.com/xfsub_apiurl.php?key=02896e4af69fb18f70129b6046d7c718&time=1505724557&url=http://www.iqiyi.com/v_19rr7qhfg0.html&type=&xml=1

    这里面存放的是什么东西?不会视频解析后的地址吧?我们有浏览器打开这个地址看一下:

    果然,我们可以看到视频地址近在眼前啊,URL如下:

        http://disp.titan.mgtv.com/vod.do?fmt=4&pno=1121&fid=1FEA2622E0BD9A1CA625FBE9B5A238A6&file=/c1/2017/09/06_0/1FEA2622E0BD9A1CA625FBE9B5A238A6_20170906_1_1_705.mp4

    我们再打开这个视频地址:

    瞧,我们就这样得到了这个视频在服务器上的缓存地址。根据这个地址,我们就可以轻松下载视频了。

    PS:需要注意一点,这些URL地址,都是有一定时效性的,很快就会失效,因为里面包含时间信息。所以,各位在分析的时候,要根据自己的URL结果打开网站才能看到视频。

    接下来,我们的任务就是编程实现我们所分析的步骤,根据不同的视频播放地址获得视频存放的地址。

    现在梳理一下编程思路:

    • 用正则表达式匹配到key、time、url等信息。

    • 根据匹配的到信息发POST请求,获得一个存放视频信息的url。

    • 根据这个url获得视频存放的地址。

    • 根据最终的视频地址,下载视频。

    三、编写代码

    编写代码的时候注意一个问题,就是我们需要使用requests.session()保持我们的会话请求。简单理解就是,在初次访问服务器的时候,服务器会给你分配一个身份证明。我们需要拿着这个身份证去继续访问,如果没有这个身份证明,服务器就不会再让你访问。这也就是这个服务器的反爬虫手段,会验证用户的身份。

  • 相关阅读:
    Fiddler 抓取Https时 显示 Tunnel to 443 的解决方案2
    Fiddler 抓取Https时 显示 Tunnel to 443 的解决方案
    Fiddler 模拟器抓包,SSL抓包不到
    2021 CSP-S初赛游记
    停课日志(持续更新ing)
    洛谷 P4587 [FJOI2016]神秘数(主席树,dp)
    洛谷 P2894 [USACO08FEB]Hotel G(线段树)
    洛谷 P2414 [NOI2011] 阿狸的打字机(AC自动机、树状数组)
    洛谷 P2829 大逃离(最短路)
    洛谷 P2292 [HNOI2004]L语言(AC自动机,dp)
  • 原文地址:https://www.cnblogs.com/nice107/p/8135584.html
Copyright © 2020-2023  润新知