这篇教程Python爬虫爬取ts碎片视频+验证码登录功能写得很实用，希望能帮到您。
目标：爬取自己账号中购买的课程视频。
一、实现登录账号这里采用的是手动输入验证码的方式，有能力的盆友也可以通过图像识别的方式自动填写验证码。登录后，采用session保持登录。
1.获取验证码地址 第一步：首先查看验证码对应的代码，可以从图中看到验证码图片的地址是：https://per.enetedu.com/Common/CreateImage?tmep_seq=1613623257608 颜色标红的部分tmep_seq=1613623257608，是为了解决浏览器缓存问题加的时间戳，因此真正的验证码图片地址是：https://per.enetedu.com/Common/CreateImage 
第二步：找出登录时提交的表单内容和POST地址。 (1) 不填写用户名密码和验证码，直接点击登录，使用Chrome浏览器的Network检查，找到POST地址：https://per.enetedu.com/AdminIndex/LoginDo 
(2) 继续向下看，找到提交的表单 Form Data。 
因此带有验证码的登录代码如下： import requestsfrom PIL import Image #用户名-密码-验证码方式，登录CaptchaUrl = "https://per.enetedu.com/Common/CreateImage" #获取验证码地址PostUrl = "https://per.enetedu.com/AdminIndex/LoginDo" #post登录信息地址 client = requests.Session()username = '替换为自己的用户名'password = '替换为自己的密码' qr_code = client.get(CaptchaUrl)open('login.jpg', 'wb').write(qr_code.content) #将验证码图片保存至本地img = Image.open('login.jpg')img.show() #打开图片 code = input("请输入验证码: /n") #输入验证码postData = { #构造POST表单 'email': username, 'pwd': password, 'validateCode': code, 'x': '22', 'y': '19'}result = client.post(PostUrl,postData) #向PostUrl提交表单
二、实现ts碎片视频下载，并转换为mp4格式
1.分析视频下载地址登录成功后，检查视频播放div对应的代码，企图找到视频地址直接保存至本地。结果，如下图所示，整个视频是被分割成一段一段的.ts文件，分段加载到页面中播放。GET每段视频的地址为右侧红框圈起来的部分。 
百度后才知道，整个视频如何分段是由一个m3u8文件来决定的。m3u8文件中的内容如下所示，记录了每段视频start和end的编号。 #EXTM3U#EXT-X-VERSION:3#EXT-X-ALLOW-CACHE:YES#EXT-X-TARGETDURATION:10#EXTINF:10.000000,start_0-end_765064-record.gv.ts#EXTINF:10.000000,start_765064-end_1769567-record.gv.ts#EXTINF:10.000000,start_1769567-end_2600798-record.gv.ts#EXTINF:10.000000,start_2600798-end_3593502-record.gv.ts#EXTINF:10.000000,start_3593502-end_4500784-record.gv.ts#EXTINF:10.000000,start_4500784-end_5399861-record.gv.ts#EXTINF:10.000000,start_5399861-end_6288622-record.gv.ts#EXTINF:10.000000,start_6288622-end_7044459-record.gv.ts#EXTINF:10.000000,start_7044459-end_7878487-record.gv.ts#EXTINF:10.000000,start_7878487-end_8811793-record.gv.ts#EXTINF:10.000000, 因此，下载视频的关键是获取m3u8文件，通过这个视频的m3u8文件来分段下载视频。 我是人工找出m3u8的下载地址，暂时还没研究出来怎么通过视频地址自动解析出m3u8地址。找的方法很简单，还是在Chrome的Network控制台找。打开Network控制台，刷新页面，就可以找到如图所示的m3u8文件。查看m3u8文件的相关信息，可以看到红框圈起来的地址就是这个视频的m3u8下载地址。 
对比两个地址，可以发现文件名前的地址相同，视频下载地址即为"标红地址"+"m3u8文件中列出的视频段文件名"： https://bcdn.enetedu.com/conv/cdnfile/video/2016_06_27/1467034852884_f5821b/hi/record.m3u8 https://bcdn.enetedu.com/conv/cdnfile/video/2016_06_27/1467034852884_f5821b/hi/start_643887-end_1083181-record.gv.ts 因此可以将这部分地址设为：urlroot = https://bcdn.enetedu.com/conv/cdnfile/video/2016_06_27/1467034852884_f5821b/hi 为了方便下载其他视频时动态修改，改为动态截取： url = input("请输入m3u8文件地址：")urlRoot=self.url[0:url.rindex('/')]
2.批量下载ts视频片段这一步使用上一步拼接的地址循环下载ts视频即可。下载时，使用登录时创建的session下载。 session是会话的意思，它可以让服务器“认得”客户端。简单理解就是，把每一个客户端和服务器的互动当作一个“会话”。既然在同一个“会话”里，服务器自然就能知道这个客户端是否登录过。代码如下： client = requests.Session() client.post(PostUrl,postData) #登录 resp = client.get(download_path) #下载 碎片拼接的方法：下载完第一个ts片段后，直接在该文件后面继续写第二个ts片段，以此类推。而不是新建一个文件写入。与验证码登录结合起来，完整代码如下： import requestsfrom PIL import Image import sysimport m3u8import timeimport os #用户名-密码-验证码方式，登录CaptchaUrl = "https://per.enetedu.com/Common/CreateImage" #获取验证码地址PostUrl = "https://per.enetedu.com/AdminIndex/LoginDo" #post登录信息地址 client = requests.Session()username = '526257482@qq.com'password = 'dashuju_9514' qr_code = client.get(CaptchaUrl)open('login.jpg', 'wb').write(qr_code.content) #将验证码图片保存至本地img = Image.open('login.jpg')img.show() #打开图片 code = input("请输入验证码: /n") #输入验证码postData = { #构造POST表单 'email': username, 'pwd': password, 'validateCode': code, 'x': '56', 'y': '19'}result = client.post(PostUrl,postData) #向PostUrl提交表单 #循环下载ts视频class VideoCrawler(): def __init__(self,url): super(VideoCrawler, self).__init__() self.url=url self.final_path=r"D:/Download/Film" #下载并解析m3u8文件 def get_url_from_m3u8(self,readAdr): print("正在解析真实下载地址...") with open('temp.m3u8','wb') as file: file.write(requests.get(readAdr).content) m3u8Obj=m3u8.load('temp.m3u8') print("解析完成") return m3u8Obj.segments def run(self): print("Start!") start_time=time.time() realAdr = self.url #m3u8下载地址 urlList=self.get_url_from_m3u8(realAdr) #解析m3u8文件，获取下载地址 urlRoot=self.url[0:self.url.rindex('/')] i=1 outputfile=open(os.path.join(self.final_path,'%s.ts'%self.fileName),'wb')#初始创建一个ts文件，之后每次循环将ts片段的文件流写入此文件中从而不需要在去合并ts文件 for url in urlList: try: download_path = "%s/%s" % (urlRoot, url.uri) #拼接地址 resp = client.get(download_path) #使用拼接地址去爬取数据 progess = i/len(urlList)#记录当前的爬取进度 outputfile.write(resp.content) #将爬取到ts片段的文件流写入刚开始创建的ts文件中 sys.stdout.write('/r正在下载：{},进度：{:.2%}'.format(self.fileName,progess))#通过百分比显示下载进度 sys.stdout.flush()#通过此方法将上一行代码刷新，控制台只保留一行 except Exception as e: print("/n出现错误：%s",e.args) continue#出现错误跳出当前循环，继续下次循环 i+=1 outputfile.close() print("下载完成！总共耗时%d s"%(time.time()-start_time)) print("开始转换视频格式！") success = os.system(r'copy /b D:/Download/Film/{0}.ts D:/Download/Film/{0}.mp4'.format(self.fileName)) #ts转成mp4格式 if (not success): print("格式转换成功！") os.remove(self.final_path+'//'+self.fileName+".ts") #删除ts和m3u8临时文件 os.remove("temp.m3u8") if __name__=='__main__': m3u8_addr = input("输入m3u8文件下载地址：/n") crawler=VideoCrawler(m3u8_addr) crawler.fileName = input("输入文件名：/n") crawler.run() quitClick=input("请按Enter键确认退出！")
三、总结代码可以实现分段加载视频的爬取功能，其中还有很多细节待完善如： - 验证码可以通过图像识别的方法自动识别。
- 通过解析视频地址获取m3u8文件，非计算机专业人使用起来更加友好。
- 例子中的网站没有对m3u8文件进行加密，涉及到加密的m3u8还需要加一步解密的过程。
到此这篇关于Python爬虫爬取ts碎片视频+验证码登录功能的文章就介绍到这了,更多相关Python爬虫爬取视频内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
sklearn中的交叉验证的实现(Cross-Validation)
Python爬虫制作翻译程序的示例代码 |
