爬虫【很久一题】B站视频token解析

鬼人

我希望我的题目以后能被大家写在爬虫的简历上。
觉得鱼C题目太容易的，爬虫技术感觉没练手的。 来玩玩呗。
题目：打开B站 任意一个视频链接，然后找到图中这个链接的地址。 在js中找到token的生成方式，可写出代码也可说出解析步骤。
主要js代码 请截图发帖子下面
做完这个解析，你可以开始写哔哩哔哩的整站视频爬虫了。
如果基础不好的，请看下这个帖子。 有道翻译的详细解析过程。
http://www.jianshu.com/p/e45511bcd001   

wei_Y

继续移动端分析:

首先呢将域名改为 m.bilibili.com 请求时抓下包，随便放个移动端的UA就可以啦。



随便点进一个，然后审查元素。先搜一下token



是一个js的标签。然后将抓包工具设置为js也会被抓取，
刷新这个页面


然后发现并不是一开始就有的，那肯定是在某个js中。
逐一测试发现存在于
http://s1.hdslb.com/bfs/static/mult/videoPage-1407103689.js

这个js中。
token的生成方式是
setPurlToken()
顺着找过去

                    key: 'setPurlToken',
                    value: function() {
                        var e = Cookies.get('purl_token') ? Cookies.get('purl_token') : '';
                        return e || (e = 'bilibili_' + Date.parse(new Date) / 1000, Cookies.set('purl_token', e, {
                            domain: '.bilibili.com',
                            path: '/',
                            expires: new Date(Date.now() + 7200000),
                            secure: !1
                        })),
                        u(e)
                    }

由于不太会js，在控制台试了一下，return 1 || 2, 3时返回值是3.
所以token是经过 u函数计算过的。u在上面发现是一个n(315);生成的，而n是一个参数。
继续找webpackJason函数，是在http://s1.hdslb.com/bfs/static/mult/vendor-1407103689.js这个js中。
截取一段在控制台跑跑看返回t(e)..这基本断掉了。

返回看上面的生成方式，是先获取cookies中的purl_token，如果没有就根据当前时间设置一个。在一开始的测试中，主站是没有返回这个purl_token的，然后删除cookies中的purl_token后，刷新后又自动创建了一个，这时同一个token发生了变化，what？那显然token不是这个视频的唯一索引值。

token什么用也不知道，但不是索引值后那就好办些了。

删除token试一下，
幸运的直接返回了正确的地址。

http://api.bilibili.com/playurl?callback=callbackfunction&aid=8118298&page=1&platform=html5&quality=1&vtype=mp4&type=jsonp

也就是说只更换aid，也是av号后一样可以返回该av号正确的视频地址。拖进迅雷可以直接下载。
也就是说，不用管它的token。。

爬虫思路:
0. 获取av号， 使用requests。
1. 更换该地址的av号。

[code]http://api.bilibili.com/playurl?callback=callbackfunction&aid=8118298&page=1&platform=html5&quality=1&vtype=mp4&type=jsonp

[/code]
2. 提取出里面的url。使用requests请求后用正则提取。或者其他简便方法。
3. 保存后待下载。

秋名86

厉害了

鬼人

秋名86 发表于 2017-7-3 14:32
厉害了

客官来玩玩呗。    对的给最佳。

早起锻炼

宛如我头像

～风介～

找到生成方式是什么鬼？找到生产方式的机制有什么作用么？

鬼人

早起锻炼 发表于 2017-7-3 14:54
宛如我头像

开始没描述清楚，不好意思。

鬼人

～风介～ 发表于 2017-7-3 15:02
找到生成方式是什么鬼？找到生产方式的机制有什么作用么？

这个用来生成 哔哩哔哩播放器链接的地址关键参数cid 得到cid之后可以构造播放器的地址，等于可以存这个链接来访问这个视频…… 而且不会失效

～风介～

鬼人 发表于 2017-7-3 15:06
这个用来生成 哔哩哔哩播放器链接的地址关键参数cid 得到cid之后可以构造播放器的地址，等于可以存这个链 ...

有意思，俺看看。

gopythoner

楼主，其实我一直有个问题，就是有道词典的SIGN值的JS文件，你们到底怎么分析出来的？
是一定要懂JS代码才能分析是吗？
反正我看到那一行代码真的是看不出来什么东西，只是知道跟几个值有关
还有，我用谷歌浏览器F12看到的哪个关于sign值的JS代码是很长很长一行的，这是网站故意把代码都写在一行来增加解析难度是吗？
我看了你的简书的教程，但是你把这个分析sign的JS代码的过程省略了，我觉的这个地方才是最关键的点。
有空的话，可以来个图文并茂的讲解么？

gopythoner

另外，我爬QQ空间和微博的时候其实也都是遇到了相同的问题，都是有一个关键的参数需要去JS代码种找解析的方法，虽然网上也有教程，但是大多数都是把结果直接拿来用，并没有一步一步去解析JS代码

鬼人

gopythoner 发表于 2017-7-3 22:54
楼主，其实我一直有个问题，就是有道词典的SIGN值的JS文件，你们到底怎么分析出来的？
是一定要懂JS代码才 ...

问题问到点了。  第一步开头的分析没有写怎么开始解析这个加密字段。 因为这差不多就是熟能生巧的一种手段罢了。我也实在不好怎么解释怎么开头找那个。 如果你找到那个有解密这个字段的js之后的内容我都跟你说了。
这种手段多自己去尝试一下。网上并不会有这种教程的，只会有答案。

鬼人

32269100 发表于 2017-7-4 09:27
目前从两个js文件里面找到两个潜在的线索：
1：

不错。 值得鼓励找到入口了。

鬼人

32269100 发表于 2017-7-4 11:01
找到新线索：

是哒，目前没错

wei_Y

如何让他判断成html5平台？

一直被判断成pc平台给出的地址是：
由:

https://interface.bilibili.com/playurl?cid=18913328&appkey=84956560bc028eb7&otype=json&type=&quality=80&qn=80&sign=412a7ac052f645d90c90dc088dc0f42c

这个地址的返回值有视频地址的链接：

{"from":"local","result":"suee","format":"flv","timelength":98034,"accept_format":"flv,hdmp4,mp4","accept_quality"
:[80,48,16],"seek_param":"start","seek_type":"offset","durl":[{"order":1,"length":98034,"size":23534027
,"url":"http://tx.acgvideo.com/d/8b/18913328-1.flv?txTime=1499157014&platform=pc&txSecret=ddf6b9f0548f8c63b965ca1d6921635d
&oi=3056288324&rate=1280000","backup_url":["http://tx.acgvideo.com/d/8b/18913328-1-hd.mp4?txTime=1499157014
&platform=pc&txSecret=2f0b5604df9b3ba80fa3bba61e584313&oi=3056288324&rate=1280000","http://tx.acgvideo
.com/d/8b/18913328-1.mp4?txTime=1499157014&platform=pc&txSecret=dbddc01364c962b3db8ec870d74c1ec0&oi=3056288324
&rate=1280000"]}]}

用迅雷可以直接下载。

而给这两个地址下了个断点后查到是由

http://static.hdslb.com/player/js/bilibiliPlayer.min.js?v=ffaf33a4

这个js发送，但是。。
美化js代码后断点指向了

1680行，没给美化firebug不支持这种美化，然后就没有然后了。。

鬼人

wei_Y 发表于 2017-7-4 14:11
如何让他判断成html5平台？

一直被判断成pc平台给出的地址是：

切换成手机页面。。。。
这个值B站好像可以绕过这个东西。。。

pk_小天

～风介～ 发表于 2017-7-3 15:02
找到生成方式是什么鬼？找到生产方式的机制有什么作用么？

找到了就可以开始爬虫了，token相当于密匙，网站一般有防爬虫的，或者简单来说，有这个token就可以这B站到处游走，没猜错的话相当于登录了吧

tiandbc

厉害了，我的楼主。。。。。。

pk_小天

鬼人 发表于 2017-7-3 15:06
这个用来生成 哔哩哔哩播放器链接的地址关键参数cid 得到cid之后可以构造播放器的地址，等于可以存这个链 ...

往下翻原来这个token的作用是这样~~

pk_小天

这个值得研究研究，但我不太会python哎~目前只会java和js，有空试试同样的方法在java中实现一下