女朋友说想看电影,所以我用python写了一个电影爬取工具

yuxijian2020 · 发表于 2021-1-29 09:06:11

马上注册，结交更多好友，享用更多功能^_^

您需要登录才可以下载或查看，没有账号？立即注册

x

搜索是百度搜索,找到爱奇艺、腾讯、优酷、PPTV、芒果这些网站的链接
解析主要是通过在线解析网址,然后对解析后的网页分析,获得m3u8视频的url,解密下载
其中如果网页请求失败,我就不断的重新发起请求,所以下载最后阶段会有点慢
主要用的是'https://jx.618g.com/?url=',这个解析地址的电影视频都可以下载
但有时候会跳转到'https://jx.147g.cc/?url=',这个地址有robots协议就只能在线观看

Python版本 -> 3.8.7

废话不多说,直接上代码

import os
import requests
import base64
from lxml import etree
from Crypto.Cipher import AES
import asyncio
import aiohttp
import shutil
import time
class FilmDownloader:
def __init__(self):
'''初始化'''
# 爱奇艺、腾讯、优酷、PPTV、芒果
'''查找电影的url'''
self.searchUrl = 'https://www.baidu.com/s?wd='
# 解析url
self.parseUrl = 'https://jx.618g.com/?url='
self.parseUrl_147 = 'https://jx.147g.cc/?url='
# 下载地址头
self.downloadHead = 'https://video.dious.cc'
# User-Agent
self.userAgent = 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36'
# 下载临时文件目录
self.downDir = os.getcwd() + '\\temp\\'
self.webList = ['爱奇艺', '腾讯视频', '优酷', 'PP视频', '芒果TV']
# 电影名称
self.name = ''
# 在线观看url
self.onlineUrl = ''
# 完整的电影播放网址
self.finalUrl = ''
# 搜索结果列表
self.searchResultList = []
# 电影所有的url的地址
self.allListUrl = ''
# 解密视频所需要的秘钥的URL
self.keyUrl = ''
# 解密视频的秘钥
self.key = ''
# 电影所有url列表
self.allList = []
# AES解密 - 初始化加密器
self.aes = AES.new(b'0000000000000000', AES.MODE_CBC)
# 临时文件总数
self.total = 0
# 已经下载的文件数量
self.cur = 0
self.indexUrl = ''
# 下载目录不存在,则创建目录
if not os.path.exists(self.downDir) or not os.path.isdir(self.downDir):
os.mkdir(self.downDir)
# 清空下载目录
if len(os.listdir(self.downDir)) != 0:
shutil.rmtree(self.downDir)
time.sleep(0.2)
os.mkdir(self.downDir)
def SearchFilm(self, name: str) -> bool:
'''电影搜索'''
if len(name) == 0:
print('电影名不能为空...')
return False
self.name = name
head = {
'Host': 'www.baidu.com',
'User-Agent': self.userAgent
}
print('正在搜索 {} 资源...'.format(name))
time.sleep(0.2)
res = requests.get(self.searchUrl + name, headers=head)
res.encoding = 'utf-8'
html = etree.HTML(res.text)
condition = '//a[@target="_blank"][@data-visited="off"][@class="dis-line-block c-gap-right dis-no-line c-blocka"]'
self.searchResultList = html.xpath(condition)
# 爱奇艺、腾讯、优酷、PPTV、芒果
for item in self.searchResultList:
flag = item.text == '爱奇艺' or item.text == '腾讯视频' or item.text == '优酷' or item.text == 'PP视频' or item.text == '芒果TV'
if flag:
self.finalUrl = item.attrib['href']
break
if len(self.finalUrl) == 0:
self.searchResultList = html.xpath('//div//h3//a')
tempList = []
isExist = False
for Item in self.searchResultList:
child = Item.getchildren()
for each in child:
tempList.append(each.tail)
tempList.append(each.text)
for each in self.webList:
if each in str(tempList):
isExist = True
break
if isExist:
self.finalUrl = Item.attrib['href']
break
if len(self.finalUrl) == 0:
return False
return True
def ParseFilmAndGetURL(self) -> bool:
'''解析视频,并获得下载地址'''
if len(self.finalUrl) == 0:
return False
head = {
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
'User-Agent': self.userAgent
}
time.sleep(0.2)
res = requests.get(self.finalUrl, headers=head)
res.encoding = 'utf-8'
self.finalUrl = self.parseUrl + res.url
self.onlineUrl = self.finalUrl
return True
def getIndexUrl(self) -> bool:
'''获取视频所有片段的url'''
if len(self.finalUrl) == 0:
return False
head = {
'User-Agent': self.userAgent
}
time.sleep(0.2)
response = requests.get(self.finalUrl, headers=head)
response.encoding = 'utf-8'
html = etree.HTML(response.text)
nodes = html.xpath('//iframe[@id="player"]')
if nodes is None or len(nodes) == 0:
return False
for item in nodes:
self.indexUrl = item.attrib['src']
if self.indexUrl.find('m3u8') != -1:
index = self.indexUrl.find('url=') + 4
self.indexUrl = self.indexUrl[index:]
elif self.indexUrl.find('jx.147g.cc') != -1:
print('由于robots协议,本视频无法下载...')
return True
if len(self.indexUrl) != 0:
# print('url: ' + indexUrl)
break
time.sleep(0.2)
response = requests.get(self.indexUrl, headers=head)
response.encoding = 'urf-8'
result = response.text.split('\n')
for line in result:
if line.find('#') == -1:
self.allListUrl = self.downloadHead + line
break
try:
response = requests.get(self.allListUrl, headers=head)
except Exception:
print('{} 没有下载资源...'.format(self.name))
return False
response.encoding = 'utf-8'
tempList = response.text.split('\n')
n = 0
for line in tempList:
if line.find('KEY') != -1 and line.find('URI') != -1:
self.keyUrl = line[line.find('"') + 1:line.rfind('"')]
keyRes = requests.get(self.keyUrl, headers=head)
keyRes.encoding = 'utf-8'
self.key = keyRes.text
self.aes = AES.new(self.key.encode('utf-8'), AES.MODE_CBC)
elif line.find('http') != -1:
self.allList.append({
'index': n,
'url': line
})
n += 1
self.total = len(self.allList)
return True
async def crawler(self, index, url):
head = {
'Connection': 'keep-alive',
'Host': 'ts1.lslkkyj.com',
'User-Agent': self.userAgent
}
content = b''
try:
async with aiohttp.ClientSession() as session:
await asyncio.sleep(5)
async with session.get(url, headers=head) as response:
text = await response.read()
await asyncio.sleep(1)
content = self.aes.decrypt(text) # 解密
filename = self.downDir + '{:0>5d}.mp4'.format(index)
file = open(filename, 'wb')
file.write(content)
file.close()
self.cur += 1
percent = float(self.cur) / float(self.total) * 100
print('\r{} 下载中... {:.2f} % {:d} / {:d}'.format(self.name, percent, self.cur, self.total), end='')
except Exception:
# print('{:d} 下载错误;url:{}'.format(index, url))
await asyncio.sleep(5)
await self.crawler(index, url)
def DownloadFilm(self) -> bool:
'''协程'''
if len(self.allList) == 0:
return False
print('搜索完成!正在下载...')
loop = asyncio.get_event_loop()
tasks = [self.crawler(item['index'], item['url']) for item in self.allList]
loop.run_until_complete(asyncio.gather(*tasks))
loop.close()
print('\n下载完成,正在合并文件...')
command = 'copy /b ' + self.downDir + '* ' + os.getcwd() + '\\' + self.name + '.mp4'
os.system(command)
shutil.rmtree(self.downDir)
time.sleep(0.2)
os.mkdir(self.downDir)
print('视频下载完成...')
return True
def FindFilmAndDownload(self, name: str) -> bool:
'''查找视频并下载或在线观看'''
if not self.SearchFilm(name):
print('没有搜索到 {} 资源...'.format(name))
return False
elif not self.ParseFilmAndGetURL():
print('{} 资源解析失败...'.format(name))
return False
elif not self.getIndexUrl():
print('获取 {} 下载资源失败...'.format(name))
return False
chioce = input('是否在线观看？在线观看则不下载视频！y/n\n无法下载的视频不选择在线观看则退出程序...\n')
if chioce == 'y':
os.system('start ' + self.onlineUrl)
return True
if len(self.allList) == 0:
return False
if not self.DownloadFilm():
print('{} 下载失败...'.format(name))
if __name__ == "__main__":
print('-' * 50)
# film = '唐伯虎点秋香'
film = input('请输入电影名...\n')
task = FilmDownloader()
task.FindFilmAndDownload(film)

复制代码

yuxijian2020 · 发表于 2021-2-6 21:34:57

思来想去还是把问题集中一下,整理一下问题吧...
目前看来有不少童鞋都出现了问题,我就整理一下
后面的童鞋可以现在这里找找能不能解决,这里没有再开贴问吧

1.这个脚本是通过视频解析网站解析主流视频网站上的视频,然后分析解析之后的视频再进行下载,所以是不需要会员的
但是也正因为是通过解析网站,所以视频画质什么的不能保证(毕竟主流视频网站也没那么容易爬取,我这里都没有用到什么IP代理那种麻烦的东西...)

2.不需要有女朋友也可以用

3.报错: ModuleNotFoundError: No module named 'xxxxxx'
         这个错误的原因是没有安装xxxxxx模块
         在控制台利用命令pip install xxxxx来安装模块
         (代码开头部分所有import的模块都要安装！)

4.运行没反应
      确保你的电脑上有Python环境,运行脚本最好是弄个批处理或者在vscode、pycharm上运行(双击.py文件有时候真的不大好使)

5.报错: requests.exceptions.SSLError
      报错出现上面这句话就说明是SSL认证失败,这时候可以关闭SSL认证试一试
      关闭SSL认证的方法是把所有的requests.get函数调用的地方把verify参数设置为False

ressponse = requests.get(url, headers=head, verify=False)

复制代码

6.已经安装了crypto模块却依然报错: ModuleNotFoundError: No module named 'Crypto'
      crypto模块本身有些小问题
      找到你crypto模块的路径( {你的Python目录}/Lib/site-packages/下crypto文件夹 )
      把这个文件夹第一个字母改成大写

7.报错: ConnectionResetError: [WinError 10054] 远程主机强迫关闭了一个现有的连接。
      可能是因为爬虫速度过快所以被网站暂时禁止连接了
      可以把代码里requests.get前面加上延时(time.sleep({这里参数单位为秒 }))
      时间设置长一点....0.0

8.代码我自己在Python3.8.7和Python3.9.1上都测试通过的

祝大家使用愉快咯

nahongyan1997 · 发表于 2021-1-29 19:06:48

有这个是不是就不要会员了

yuxijian2020 · 发表于 2021-1-29 19:14:48

nahongyan1997 发表于 2021-1-29 19:06
有这个是不是就不要会员了

是的

yuxijian2020 · 发表于 2021-1-29 19:21:09

早上9点发的帖,晚上下班回家审核通过,大家支持一下吧

Project1 · 发表于 2021-1-30 10:22:51

测试，成功

虽然每个都有会员，但是运行成功的感觉真好

basketmn · 发表于 2021-1-30 10:30:34

膜拜大佬！！！

ngchiuyuen · 发表于 2021-1-30 21:19:47

这个清晰度如何

26913 · 发表于 2021-1-30 23:00:49

我运行了没反应是怎么回事？

Daniel_Zhang · 发表于 2021-1-30 23:18:26

然后女朋友不会用，转身包了一个会员

yuxijian2020 · 发表于 2021-1-30 23:53:09

Daniel_Zhang 发表于 2021-1-30 23:18
然后女朋友不会用，转身包了一个会员

其实是嫌弃没有弹幕,转身开了个会员

Daniel_Zhang · 发表于 2021-1-30 23:58:29

yuxijian2020 发表于 2021-1-30 23:53
其实是嫌弃没有弹幕,转身开了个会员

有被笑到

Mike_python小 · 发表于 2021-1-31 09:57:41

划重点了啊这些代码其实都不重要重要的是你得有个女朋友

zhiweng07 · 发表于 2021-1-31 11:31:32

解析网站能生存多长时间不可预测

yuxijian2020 · 发表于 2021-1-31 12:50:15

zhiweng07 发表于 2021-1-31 11:31
解析网站能生存多长时间不可预测

其实我最开始是准备从我看了很多年的一个dao版视频网站上爬的,之前一个版本是在那个网站上搜索视频然后再解密下载。分析了半天结果那个网站是用的视频解析,然后我就直接百度搜,顺便测试了下，这个解析网站能支持解析不少主流视频网址.... 而且本来爬虫生存时间就比较短,且行且珍惜吧

yuxijian2020 · 发表于 2021-1-31 12:56:14

26913 发表于 2021-1-30 23:00
我运行了没反应是怎么回事？

首先,我的Python版本是3.8.7,我家里电脑Python版本3.9.1 都测试通过
然后你要看看我上面import的模块,你是不是全都pip下来了
最后有时候双击.py文件可能没法运行,你可以弄到你的vscode或者pycharm里面运行
或者你可以写一个批处理
比如你把上面的代码保存为 -> FileDownloader.py
然后新建批处理文件(电影搜索下载.bat)
批处理内容 -> start FileDownloader.py
然后运行批处理文件

fatalman · 发表于 2021-1-31 14:27:32

点个赞

study_z · 发表于 2021-1-31 14:30:03

免会员的吗

yuxijian2020 · 发表于 2021-1-31 18:30:33

study_z 发表于 2021-1-31 14:30
免会员的吗

是的

我是小白啊 · 发表于 2021-2-1 11:59:27

大神，膜拜

hsq1134388059 · 发表于 2021-2-1 12:45:28

准备学习Python 像卤煮学习

账号		自动登录	找回密码
密码			立即注册

[作品展示] 女朋友说想看电影,所以我用python写了一个电影爬取工具

马上注册，结交更多好友，享用更多功能^_^

评分