App下載

Python爬蟲之m3u8文件怎么提取小視頻

閃城棒棒軍 2021-08-12 09:11:10 瀏覽數(shù) (5460)
反饋

隨著流媒體技術(shù)的發(fā)展,現(xiàn)在很多網(wǎng)站的視頻已經(jīng)采用m3u8格式來進(jìn)行數(shù)據(jù)傳輸了,使用python爬取m3u8文件爬下來并不能直接觀看。那么python怎么提取m3u8文件呢?接下來的這篇文章帶你了解。

前言

??在網(wǎng)上爬取的小視頻(.ts格式)打不開怎么搞?使用IDM下載有時候還會出現(xiàn)數(shù)據(jù)受法律保護(hù),IDM無法下載該內(nèi)容,如何解決?這篇博客就來聊聊如何正確提取m3u8文件里的.ts視頻,并合成完整的.mp4格式視頻。

無法播放

無法下載

1. HLS協(xié)議與m3u8文件

??HLS,即 H T T P   L i v e   S t r e a m i n g HTTP Live Streaming HTTP Live Streaming的縮寫,是由蘋果公司提出基于HTTP的流媒體網(wǎng)絡(luò)傳輸協(xié)議。是蘋果公司QuickTime X和iPhone軟件系統(tǒng)的一部分。它的工作原理是把整個流分成一個個小的基于HTTP的文件來下載,每次只下載一些。當(dāng)媒體流正在播放時,客戶端可以選擇從許多不同的備用源中以不同的速率下載同樣的資源,允許流媒體會話適應(yīng)不同的數(shù)據(jù)速率。在開始一個流媒體會話時,客戶端會下載一個包含元數(shù)據(jù)的擴(kuò)展 M3U (m3u8) 播放列表文件,用于尋找可用的媒體流。
??M3U8是 U n i c o d e Unicode Unicode 版本的 M3U,用 UTF-8 編碼。"M3U"和"M3U8"文件都是蘋果公司使用的 H T T P   L i v e   S t r e a m i n g HTTP Live Streaming HTTP Live Streaming 格式的基礎(chǔ),這種格式可以在 iPhone 和 Macbook 等設(shè)備播放。是一種播放多媒體列表的文件格式,文本內(nèi)容是一系列媒體片段資源,順序播放該片段資源,即可完整展示多媒體資源。其格式大致如下:

# 未加密
	#EXTM3U
	#EXT-X-VERSION:3
	#EXT-X-TARGETDURATION:8
	#EXT-X-MEDIA-SEQUENCE:0
	#EXTINF:4.000000,
	1af12fece7a000000.ts
	#EXTINF:4.320000,
	1af12fece7a000001.ts
	...
	#EXTINF:3.800000,
	1af12fece7a001155.ts
	#EXT-X-ENDLIST
	
	# 加密
	#EXTM3U
	#EXT-X-VERSION:3
	#EXT-X-TARGETDURATION:6
	#EXT-X-PLAYLIST-TYPE:VOD
	#EXT-X-MEDIA-SEQUENCE:0
	#EXT-X-KEY:METHOD=AES-128,URI="https://ts1.yuyuangewh.com:9999/20200808/1XdSSbTb/2000kb/hls/key.key"
	#EXTINF:3,
	https://ts1.yuyuangewh.com:9999/20200808/1XdSSbTb/2000kb/hls/EUtRrqJU.ts
	#EXTINF:4.72,
	https://ts1.yuyuangewh.com:9999/20200808/1XdSSbTb/2000kb/hls/HF90vrrN.ts
	...
	#EXTINF:0.24,
	https://ts1.yuyuangewh.com:9999/20200808/1XdSSbTb/2000kb/hls/b7ZLcRqT.ts
	#EXT-X-ENDLIST

??中文維基百科----HTTP Live Streaming
??中文維基百科----M3U

??下面介紹幾個m3u8文件中常見的標(biāo)簽:

標(biāo)簽 格式 作用
EXTM3U #EXTM3U 表明該文件是一個m3u8文件,每個m3u8文件必須將該標(biāo)簽放置在第一行
EXT-X-VERSION EXT-X-VERSION:<number> 表明該文件是一個m3u8文件,每個m3u8文件必須將該標(biāo)簽放置在第一行
EXT-X-TARGETDURATION #EXT-X-TARGETDURATION:<s> 表示每個視頻分段最大的時長(單位秒)
EXT-X-PLAYLIST-TYPE #EXT-X-PLAYLIST-TYPE:<type-enum> 表明流媒體類型,VOD 表示該視屏流為點播源,因此服務(wù)器不能更改該m3u8文件;EVENT表示該視頻流為直播源,因此服務(wù)器不能更改或刪除該文件任意部分內(nèi)容,但是可以在文件末尾添加新內(nèi)容
EXT-X-MEDIA-SEQUENCE #EXT-X-MEDIA-SEQUENCE:<number> 表示播放列表第一個URL片段文件的序列號,每個媒體片段URL都擁有一個唯一的整型序列號,每個媒體片段序列號按出現(xiàn)順序依次加 1,如果該標(biāo)簽未指定,則默認(rèn)序列號從0開始
EXT-X-KEY #EXT-X-KEY:METHOD=AES-128,URI="http:xxxx",IV="xxxx" 表明視頻流文件的加解密方法,METHOD表示加密方式,URI表示密鑰路徑,該密鑰是一個 16 字節(jié)的數(shù)據(jù),IV是一個128位的十六進(jìn)制數(shù)值
EXTINF #EXTINF:<duration>,[<title>] 表示其后 URL 指定的媒體片段時長(單位為秒),duration可以為十進(jìn)制的整型或者浮點型,其值必須小于或等于EXT-X-TARGETDURATION指定的值
EXT-X-ENDLIST #EXT-X-ENDLIST 表明m3u8文件的結(jié)束

??簡書:m3u8 文件格式詳解 作者:Whyn

2. 第三方庫----m3u8

??m3u8是一個專門用于解析m3u8文件的解析器,有關(guān)庫的詳細(xì)操作請參閱官方示例

# 安裝m3u8
	pip install m3u8
# 加載m3u8文件
	import m3u8

	# 返回一個M3U8對象
	playlist = m3u8.load(uri='http://videoserver.com/playlist.m3u8')	# url
	# playlist = m3u8.load(uri='playlist.m3u8')	# file
	print(playlist.segments)	# 打印EXT-X-KEY標(biāo)簽和所有的EXTINF標(biāo)簽:
	print(playlist.target_duration)	# 打印EXT-X-TARGETDURATION標(biāo)簽的值

	for key in playlist.keys:
		if key:
			# 如果視頻文件加密,可以查看加密參數(shù)
			print(key.uri, key.method, key.iv)

3. 合成mp4文件

合成MP4文件

?本次就以這個視頻為例,流程如下:
??1. 找到視頻對應(yīng)的.m3u8文件
??2. 解析.m3u8文件,從中提取.ts視頻的url
??3. 下載.ts格式的視頻
??4. 解密.ts格式的視頻(如果視頻流沒有加密,則該步不是必須的)
??5. 合成.mp4或其他格式的視頻

# 第1步,我載了m3u8文件,也可以直接使用m3u8文件對應(yīng)的url
	playlist = m3u8.load(uri='./data/index.m3u8')

	# 第2步,提取URL
	for seg in playlist.segments:
        print(seg.uri)
    
    # 第3步,下載ts視頻
    with open('xxxxx.ts', 'wb') as f:
        ts = get_ts(url)
        f.write(ts)
   
	# 第4步,解密
	cipher_text = pad(data_to_pad=cipher_text, block_size=AES.block_size)
    aes = AES.new(key=key, mode=AES.MODE_CBC, iv=iv)
    cipher_text = aes.decrypt(cipher_text)
    
	# 第5步,合成
	files = glob.glob(os.path.join('./video', '*.ts'))
    for file in files:
        with open(file, 'rb') as fr, open('./video_de/baitoushan.mp4', 'ab') as fw:
            content = fr.read()
            fw.write(content )

4. 完整代碼

# -*- coding: utf-8 -*-
# @Time    : 2021/5/10 20:11
# @Author  : XiaYouRan
# @Email   : youran.xia@foxmail.com
# @File    : video.py
# @Software: PyCharm


from Crypto.Cipher import AES
from Crypto.Util.Padding import pad
from concurrent.futures import ThreadPoolExecutor
import requests
import m3u8
import glob
import os
import time
import logging


logging.getLogger("urllib3").setLevel(logging.WARNING)


def AESDecrypt(cipher_text, key, iv):
    cipher_text = pad(data_to_pad=cipher_text, block_size=AES.block_size)
    aes = AES.new(key=key, mode=AES.MODE_CBC, iv=iv)
    cipher_text = aes.decrypt(cipher_text)
    # clear_text = unpad(padded_data=cipher_text, block_size=AES.block_size)
    return cipher_text


headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
                         'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}


def get_ts(url):
    try:
        response = requests.get(url, verify=False)
        response.raise_for_status()
        response.encoding = 'utf-8'
        return response.content
    except Exception as err:
        print(err)
        return b''


def save_ts(url, index):
    filename = os.path.join('./video', str(index).zfill(5) + '.ts')
    with open(filename, 'wb') as f:
        ts = get_ts(url)
        f.write(ts)
    print(filename + ' is ok!')


if __name__ == '__main__':
    playlist = m3u8.load(uri='./data/index.m3u8')

	# 線程池,引入index可以防止合成時視頻發(fā)生亂序
    with ThreadPoolExecutor(max_workers=10) as pool:
        for index, seg in enumerate(playlist.segments):
            pool.submit(save_ts, seg.uri, index)

    key = get_ts(playlist.keys[-1].uri)

    files = glob.glob(os.path.join('./video', '*.ts'))
    for file in files:
        with open(file, 'rb') as fr, open('./video_de/baitoushan.mp4', 'ab') as fw:
            content = fr.read()
            encontent = AESDecrypt(content, key=key, iv=key)
            fw.write(encontent)
        print(file + ' is ok!')

??下載.ts文件效果如下:

下載的ts文件

合成.mp4文件效果如下:

合成效果

合成的視頻

5. 結(jié)束語

Musicer開源代碼倉庫


??Musicer音樂爬蟲已經(jīng)開源了哦,持續(xù)更新中,歡迎來踩來Star哦!ヾ(≧?≦*)ヾ

以上就是python爬取m3u8文件的詳細(xì)內(nèi)容,更多Python爬蟲的學(xué)習(xí)資料請關(guān)注W3Cschool其它相關(guān)文章!


0 人點贊