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()