Python+FFmpeg爬取云播TV电影

前言

最近本人在学习如何用python写爬虫，看了B站大学里的视频以后，自己模仿着写了一个，并且加入了多线程。这个爬虫适用于m3u8链接需要获取两次的视频网站，使用正则表达式提取链接。先来整理一下思路：
1.拿到视频播放页面的源代码，检查视频播放区的元素
2.找到第一个m3u8链接（一般会用反斜杠转义，所以写爬虫时要去掉反斜杠）
3.下载第一个m3u8链接后，提取其中的路径部分，并与链接的公共部分拼接，获得第二个m3u8链接
4.ffmpeg配合多线程，下载视频
废话不多说，上代码！

正文

安装环境

1.Windows下载ffmpeg程序
先准备好ffmpeg：ffmpeg官网
选择对应版本下载并解压（我下载的是ffmpeg-n5.0-latest-win64-lgpl-5.0版本），并加入Windows系统变量（此电脑-属性-高级系统设置-环境变量）：

2.Python安装ffmpy3库：

pip3 install ffmpy3 -i https://mirrors.aliyun.com/pypi/simple/ 

编写代码

#!/usr/bin/python3.9
# -*- coding: utf-8 -*-
#
# Copyright (C) 2022 HackerTerry, Inc. All Rights Reserved 
#
# @Time    : 2022/2/3 14:07
# @Author  : Terry Zhang
# @Email   : goudan1974@163.com
# @Blog    : https://www.terry906.top
# @File    : 线程池爬云播TV视频.py
# @Software: PyCharm

import requests
import re
from concurrent.futures import ThreadPoolExecutor
from ffmpy3 import FFmpeg

def get_first_m3u8(url,headers):  # 获取第一个m3u8链接
    resp = requests.get(url,headers)
    obj = re.compile(r'"link_pre":"","url":"(?P<first_m3u8>.*?)","url_next"',re.S)  # 正则表达式可按需要修改
    m3u8_url = obj.finditer(resp.text)
    for it in m3u8_url:
        first_m3u8 = it.group("first_m3u8").replace("\\","")
        print(first_m3u8)
        return first_m3u8

def download_first_m3u8(url,name,headers):  # 读取第一个m3u8文件的内容
    resp = requests.get(url,headers)
    with open(name, "w", encoding="utf-8") as f1:
        f1.write(resp.text)
    with open(name,"r") as f2:
        for line in f2:
            if line.startswith("#"):
                continue
            else:
                line.strip()
                print(line)
                return line

def get_second_m3u8(url,headers):  # 获取第二个m3u8链接
    first_m3u8 = get_first_m3u8(url,headers)
    line = download_first_m3u8(first_m3u8,"爬到的视频/first_m3u8.txt",headers)
    second_m3u8 = first_m3u8.split("/20220112")[0] + line
    print(second_m3u8)
    return second_m3u8

def ffmpeg_path(inputs_path, outputs_path):  # ffmpeg下载函数
    '''
    :param inputs_path: 输入的文件传入字典格式{文件：操作}
    :param outputs_path: 输出的文件传入字典格式{文件：操作}
    :return:
    '''
    a = FFmpeg(
                inputs={inputs_path: None},
                outputs={outputs_path: '-c copy',
                         }
    )
    print(a.cmd)
    a.run()

if __name__ == '__main__':
    url = "https://www.yunbtv.net/vodplay/ITgou-1-1.html"  # 使用时只需更改这里的URL即可
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36",
        "Referer": "https://www.yunbtv.net/"
    }
    second_m3u8 = get_second_m3u8(url,headers)
    with ThreadPoolExecutor(50) as t:
        t.submit(ffmpeg_path,second_m3u8,"爬到的视频/IT狗第一集.mp4")

这里由于第二个m3u8文件中自带AES解密密钥的链接地址，所以无需单独考虑解密的问题，交给ffmpeg解决即可。