php解析今日头条视频下载,今日头条视频的地址解析下载

在Chrome浏览器中打开上面的链接,然后审查播放器区域的元素,发现是这样的:

原来是使用了HTML5的video标签,该标签的src属性值就是视频的真实地址。是不是很简单?如果我们想写个脚本来自动解析视频的真实地址,会发现情况不一样。

说明:以下代码片段均使用Python语言。

import requestsfrom pyquery import PyQuery as pq

r = requests.get('http://www.toutiao.com/a6296462662335201793/')d = pq(r.content)d('video') # video元素不存在d('#video') # id是video的元素是存在的

当我们把播放页下载下来,并且尝试提取video元素的时候,发现下载下来的播放页中根本就没有video元素。这说明video元素可能是js脚本动态生成的,该想想其它办法了。

通过观察加载播放页页面时的网络请求,我们发现如下相关的请求:

http://v7.pstatp.com/b97adb57aaa351e485ed69c5e4852211/5791c279/video/c/c62f4d4320ea43469b490e54240653ab/http://i.snssdk.com/video/urls/v/1/toutiao/mp4/9583cca5fceb4c6b9ca749c214fd1f90?r=18723666135963302&s=3807690062&callback=tt_playerzfndr

其中,第1个请求就是视频真实地址,第2个请求返回的是一个JSON字符串,内容如下:

{

"code": 0,

"message": "success",

"total": 3,

"data": {

"status": 10,

"video_duration": 0,

"video_id": "9583cca5fceb4c6b9ca749c214fd1f90",

"user_id": "toutiao",

"video_list": {

"video_3": {

"definition": "720p",

"vtype": "mp4",

"main_url": "aHR0cDovL3Y3LnBzdGF0cC5jb20vZmJiZmE2Yjc4ZjM4MThhM2M0OTVhMmRkYjAyOWY5NTAvNTc5\nMWMzODAvdmlkZW8vYy8zNDMwNzcxZjMyNmY0ZDUxOTRiNTYyMzdhNmEyMzFmYy8=\n",

"vwidth": 720,

"backup_url_1": "aHR0cDovL3Y2LnBzdGF0cC5jb20vdmlkZW8vYy8zNDMwNzcxZjMyNmY0ZDUxOTRiNTYyMzdhNmEy\nMzFmYy8/U2lnbmF0dXJlPTMwd25YNHVBYzJ1JTJGdSUyRlNvNjhDM010U1VRVW8lM0QmRXhwaXJl\ncz0xNDY5MTc0MTYwJktTU0FjY2Vzc0tleUlkPXFoMGg5VGRjRU1ybTFWbFIyYWQv\n",

"bitrate": 0,

"vheight": 576,

"size": 0

},

"video_2": {

"definition": "480p",

"vtype": "mp4",

"main_url": "aHR0cDovL3Y0LnBzdGF0cC5jb20vM2ZiYTI0YzVhYzE1NGVlNmIxMGQ4ZTAyZThhNGQxZDMvNTc5\nMWMzODAvdmlkZW8vYy9jNjJmNGQ0MzIwZWE0MzQ2OWI0OTBlNTQyNDA2NTNhYi8=\n",

"vwidth": 600,

"backup_url_1": "aHR0cDovL3Y0LnBzdGF0cC5jb20vM2ZiYTI0YzVhYzE1NGVlNmIxMGQ4ZTAyZThhNGQxZDMvNTc5\nMWMzODAvdmlkZW8vYy9jNjJmNGQ0MzIwZWE0MzQ2OWI0OTBlNTQyNDA2NTNhYi8=\n",

"bitrate": 0,

"vheight": 480,

"size": 0

},

"video_1": {

"definition": "360p",

"vtype": "mp4",

"main_url": "aHR0cDovL3Y2LnBzdGF0cC5jb20vdmlkZW8vYy9iODgwZmI1YzM1NjE0NzJlOThlNGU0Y2U5N2My\nYzg5ZS8/U2lnbmF0dXJlPXBlTWhoNFdLcyUyRkNmRW9pYm4wTVNKUU5tR1lnJTNEJkV4cGlyZXM9\nMTQ2OTE3NDE2MCZLU1NBY2Nlc3NLZXlJZD1xaDBoOVRkY0VNcm0xVmxSMmFkLw==\n",

"vwidth": 450,

"backup_url_1": "aHR0cDovL3Y3LnBzdGF0cC5jb20vNjFhYTJlN2RlN2YxZTgzNGJiNjg3ZDZmMDZjZGFmNzMvNTc5\nMWMzODAvdmlkZW8vYy9iODgwZmI1YzM1NjE0NzJlOThlNGU0Y2U5N2MyYzg5ZS8=\n",

"bitrate": 0,

"vheight": 360,

"size": 0

}

}

}}

看看JSON内容,可以看到共有3种清晰度视频,分别是超清、高清和标清。definition表示清晰度,main_url应该就是视频真实地址了。main_url的值看起来就是base64编码后的结果,用base64解码main_url,得到的就是视频真实地址。

import base64

main_url = "aHR0cDovL3Y3LnBzdGF0cC5jb20vZmJiZmE2Yjc4ZjM4MThhM2M0OTVhMmRkYjAyOWY5NTAvNTc5\nMWMzODAvdmlkZW8vYy8zNDMwNzcxZjMyNmY0ZDUxOTRiNTYyMzdhNmEyMzFmYy8=\n"base64.standard_b64decode(main_url) # output: http://v7.pstatp.com/fbbfa6b78f3818a3c495a2ddb029f950/5791c380/video/c/3430771f326f4d5194b56237a6a231fc/

在用Chrome的开发者工具监视网络请求的时候可以看到该请求是js脚本发出的,该js脚本是 http://s3.pstatp.com/tt_player/player/tt2-player.js?r=customer1

把该js下载下来,prettify一下,使用你最爱的编辑器看看该js到底做了些什么。9583cca5fceb4c6b9ca749c214fd1f90:这是视频的唯一ID

18723666135963302:这是一个随机数

3807690062:这是CRC32校验值无符号右移0位

视频的唯一ID可以在播放页HTML源码中找到,即id为video的元素的tt-videoid属性值。

import requestsfrom pyquery import PyQuery as pq

r = requests.get('http://www.toutiao.com/a6296462662335201793/')d = pq(r.content)vid = d('#video').attr('tt-videoid')

参数r的构造如下:

import random

r = str(random.random())[2:]

参数s的构造如下:

import urlparsedef right_shift(val, n):

return val >> n if val >= 0 else (val + 0x100000000) >> n

url = 'http://i.snssdk.com/video/urls/v/1/toutiao/mp4/%s' % vid

n = urlparse.urlparse(url).path + '?r=' + r

c = binascii.crc32(n)s = right_shift(c, 0)

参数callback就不管了吧。到此,获取JSON内容就简单了:r = requests.get(url + '?r=%s&s=%s' % (r, s))print r.json()

你可能感兴趣的:(php解析今日头条视频下载)