辣条君写爬虫5【恋爱综艺《心动的信号》视频下载】

最近辣条君看到一部综艺《心动的信号》，打算看一看，学一学年轻人该怎样谈恋爱。可是，某讯视频要会员，从小艰苦朴素的辣条君当然选择白嫖了。于是乎，发现有在线资源哎~

Tip:本文仅供学习与交流，切勿用于非法用途！！！请大家支持正版！！！

分析与思路

今天爬取的页面是http://www.ikanmv.com/k/39050.html。底下一共有10集。

我们随便打开一集，点击network，发现视频是m3u8格式的。有两个m3u8格式文件，第一个是一些限制条件，真正的m3u8列表。后面就是列表中逐条下载的ts文件。

我们的目标是，把一集的所有ts文件下载下来，通过ffmpeg软件进行拼接、转化，最终生成一个.mp4文件。ffmpeg从官网下载较慢，如有需要请戳下面连接(windows10版本)。

链接: https://pan.baidu.com/s/1_1htbaRQP_6y_G2xHOmWBw
提取码: wivw

其实直接用ffmpeg也可以根据m3u8列表连接直接下载，但是速度较慢，咱们代码中使用多进程，加速下载。

不过还有个问题，经过测试，ffmpeg合并ts文件，一次性最多合并4、5百个(每集ts文件大概在1500~2000个之间)，再多就会报错，所以我们先以300个ts文件为1组，将他们合并一下，得到几个大个的ts文件，再将这几个大个的ts文件合并成一集一个整个的ts文件，再转化mp4。

所以我们的代码流程为：下载某集所有ts文件->合并成几个大个的ts文件->合并成一个ts文件->转化成mp4->删除没用的ts文件

代码实现

首先创建一个文件夹D: s用于存放ts文件。

根据上节的代码流程，我们可以写出主函数，几个方法逐步实现：

if __name__ == '__main__':
    urls = [
       'https://zy.kubozy-youku-163-aiqi.com/20190710/13975_9273f090/1000k/hls/index.m3u8',
       'https://zy.kubozy-youku-163-aiqi.com/20190717/14563_0eca69d7/1000k/hls/index.m3u8',
       'https://zy.kubozy-youku-163-aiqi.com/20190724/15218_7487f9e5/1000k/hls/index.m3u8'
    ]
    # 开始的集数
    index = 4
    for url in urls:
        # 获取某集需要下载的ts列表
        get_list = get_m3u8(url)
        # 下载ts文件到本地
        download('D:\ts', get_list, url[0:-10])
        # 合并
        merge_ts('D:\ts', str(index)+'.mp4')
        # 删除没用的 ts
        delete_ts('D:\ts')
        # 下一集
        index = index + 1

我们模拟下载4~6集(由于没找到规律，需要手动获取几集的第二个m3u8请求连接)

随便点击两个ts连接就会发现，某一集的ts文件请求前面都是一样的，最后拼接上xxxxx00x.ts，然后get请求就可以得到某个ts视频资源了。首先获取某集所有ts文件后缀，就是xxxxx00x.ts部分，实现一下get_m3u8方法

# 获取某集需要下载的ts列表
def get_m3u8(url):
    result = requests.get(url)
    lines = result.text.split('
')
    all_ts = []
    for line in lines:
        if line.endswith('.ts'):
            all_ts.append(line)
    return all_ts

然后下载到本地

# 下载一个ts文件
def download_ts(ts, root, url):
    res = requests.get(url+ts)
    with open(root+"\" + ts, 'ab') as f:
        f.write(res.content)
        f.flush()
        print(ts+'下载完毕!')

# 下载ts文件到本地
def download(root, get_list, url):
    # 已经下载过的文件
    had_list = []
    # 还有没下载完的就继续
    while len(list(set(get_list).difference(set(had_list)))) > 0:
        had_list = os.listdir(root)
        # 还需要下载的
        needs = list(set(get_list).difference(set(had_list)))
        print('还需要下载个数为：'+str(len(needs)))
        pool = Pool(10)
        group = ([ts for ts in needs])
        pool.map(partial(download_ts, root=root, url=url), group)
        pool.close()
        pool.join()

download方法，即主函数中使用的方法。第一个参数root是ts视频下载的地址，第二个参数get_list是某集所有ts文件后缀(xxxxx00x.ts部分)，第三个参数url是某个ts请求前缀。首先这里用到了多进程，往期博客介绍过，这里照抄就好。

值得一提的时，这边有个while循环。因为多进程下载某集所有ts文件过程中，我发现可能会造成某些ts文件的丢失未下载，所以每次下载完成，我们获取已下载完成的文件名称(文件名称就是ts后缀)，和某集所有的ts文件后缀，做差集。继续下载这些丢失的，知道差集为空，就证明全部下载完毕。

接下来需要合并。

# 合并ts，由于一次无法合并那么多，合并两次
def merge_ts(root, name):
    os.chdir(root)
    all_ts = os.listdir(root)
    # 计数器
    counter = 0
    big_list = []
    per_list = []
    # 将多个ts文件名，300为一组拼接在一起
    for ts in all_ts:
        if counter > 300:
            counter = 0
            big_list.append('+'.join(per_list))
            per_list = []
        else:
            counter = counter+1
            per_list.append(ts)

    batch = 0
    batch_ts = []
    for big in big_list:
        batch = batch + 1
        batch_ts.append(str(batch)+'.ts')
        os.system('copy /b ' + big + f' batch{batch}.ts')
    shell_str = '+'.join(batch_ts)
    # 第二次拼接
    os.system('copy /b '+shell_str+' '+name)

这里需要两次合并，第二次合并和转mp4格式是一个脚本操作。这里使用os.system调用系统方法，由于我们的ffmpeg已经放入到环境变量中，所以这里就是直接操作ffmpeg软件了。

生成某集的mp4文件之后，我们需要删除根目录下所有的.ts文件，一来节约硬盘空间，二来为下一集下载.ts文件清除干扰。

def delete_ts(root):
    os.chdir(root)
    all_file = os.listdir(root)
    for file in all_file:
        if file.endswith('.ts'):
            os.remove(root+'\'+file)

以上我们就可以下载到喜欢看的视频了。喜欢的小伙伴快去试试吧~