Python爬虫-爬取爆米花视频下载至本地

打开爆米花的网站，然后打开其中一个视频：

分析-00.png

打开F12，然后刷新，可以看到:

分析-01.png

这个URL为视频的真实地址：

http://59.56.28.122/vm48002.baomihua.com/d1b3a2d4195a6e40629c68a03f564af6/59DF39B1/3707/37061900_9_b5948e40ae8611e79ee1003048cc668a.mp4?start=0&end=60&wsiphost=local

其中的start和end参数与下载后播放的时间长度有关，我就将URL简化为：

http://59.56.28.122/vm48002.baomihua.com/d1b3a2d4195a6e40629c68a03f564af6/59DF39B1/3707/37061900_9_b5948e40ae8611e79ee1003048cc668a.mp4

接着继续利用Chrome浏览器进行抓包：

分析-02.png

个人习惯放在txt文件中看一下：

分析-03.png

真实地址的第一部分利用抓到的包中的host_480参数可以拿到，真实地址中的第二部分利用参数dir拿到（虽然ishls参数现在看着好像也能拿到，但有些URL就不行了）
真实地址的第三部分，主要还是参考了一些思路，利用移动端进行抓包，也就是手机APP，我使用的还是Fiddle4进行抓包，下面是我抓到的结果，放在txt中：

分析-04.png

图中现在看到的这个URL是简化后的：

http://play.baomihua.com/getvideourl.aspx?flvid=37061900&devicetype=phone_app_Android

要想得到response,其中的flvid参数是要先拿到的，所以写代码就先拿到这个参数。可以看到视频的真实地址的第三部分可以在这个response中的stream_name参数中拿到。

下图是利用Fiddle抓的PC端：

分析-05.png

思路有了，就可以写代码了，贴一下我的代码，感觉还是要改改：

import requests
from requests.exceptions import RequestException
import re
import os
from hashlib import md5

headers={
        'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36',
        'Accept-Encoding':'gzip, deflate, sdch',
        'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
        'Accept-Language':'zh-CN,zh;q=0.8',
    }

def get_part(url):
    try:
        response=requests.get(url,headers=headers)
        if response.status_code==200:
            return response.text
        return None
    except RequestException as e:
        print(e)
        return None

def parse_part_1(html):
    try:
        pattern=re.compile('.*?var flvid = (.*?);.*?',re.S)
        result_1=re.search(pattern,html).group(1)
        print('flvid为:'+result_1)
        return result_1
    except Exception:
        print('flvid解析失败')

def parse_part_2(html):
    try:
        pattern=re.compile('.*?&host_480=(.*?)&.*?&dir=(.*?)&.*?',re.S)
        result_2=re.search(pattern,html).group(1)
        result_3=re.search(pattern,html).group(2)
        result=result_2+'/'+result_3
        print('第一部分URL:'+result)
        return result
    except Exception:
        print('解析第一部分URL失败')

def parse_part_3(html):
    try:
        pattern=re.compile('.*?&stream_name=(.*?)&.*?',re.S)
        result_4=re.search(pattern,html).group(1)
        print('第二部分URL:'+'/'+result_4+'.mp4')
        return result_4
    except Exception:
        print('解析第二部分URL失败')

def download_video(url):
    try:
        print('准备下载视频:'+url)
        response=requests.get(url,headers=headers)
        data=response.content
        if data:
            file_path='{}/{}.{}'.format(os.getcwd(),md5(data).hexdigest(),'mp4')
            print('文件为:'+file_path)
            if not os.path.exists(file_path):
                with open(file_path,'wb')as f:
                    f.write(data)
                    f.close()
                    print('视频下载成功:'+url)
    except Exception:
        print('视频下载失败')

def main(url):
    try:
        print('视频初始URL:'+url)
        html=get_part(url)
        if html:
            flvid=parse_part_1(html)
            if flvid:
                url='http://play.baomihua.com/getvideourl.aspx?qudaoid=42&devicetype=pc%5Fplayer&flvid={}&Resolution=1'.format(flvid)
                html=get_part(url)
                if html:
                    base_url_1=parse_part_2(html)
                    url='http://play.baomihua.com/getvideourl.aspx?flvid={}&devicetype=phone_app_Android'.format(flvid)
                    html=get_part(url)
                    if html:
                        base_url_2=parse_part_3(html)
                        url='http://'+base_url_1+'/'+base_url_2+'.mp4'
                        print('视频下载URL:'+url)
                        download_video(url)
    except Exception:
        print('解析视频地址失败')

if __name__=='__main__':
    print('温馨提醒：e.g. http://www.baomihua.com/xxx/xxx'+'、'+'http://video.baomihua.com/v/xxx'+'...')
    url=input('请输入爆米花视频网址:')
    main(url)

运行的结果是这样的：

运行结果-01.png

测试了一些URL,并将视频下载了下来：

运行结果-02.png