问题描述
请注意,此问题与 How do we download a blob url video [closed] 的不同之处在于它无需与浏览器进行人工交互。
我有以下问题:
- 我有一个网址列表。它们指向具有相同底层结构的 HTML 页面。
- 页面中间有一张图片;当它被点击时,它会加载一个播放器。
- 作为 blob 的播放器引用了 m3u8 播放列表,尽管这在 HTML 本身中不可见(在 Chrome 的“网络”选项卡中可见)。
- 播放器播放一段短视频。
我需要做什么:
请注意,该解决方案不需要与浏览器进行人工交互。在 API 方面,输入应该是一个 URL 列表,输出应该是一个视频/gif 列表。
我的理解是可以使用Selene获取HTML,点击图片启动播放器。但是,我不知道如何处理 blob 以获取 m3u8,然后将其用于实际视频。
解决方法
稍加挖掘,您无需单击任何按钮。当您单击按钮时,它会调用 master.m3u8 文件。使用开发工具,您可以拼凑请求的 url。问题是,第一个文件不包含指向实际视频的链接。您拼凑另一个请求以获得最终的 m3u8 文件。从那里,您可以使用其他 SO 链接下载视频。它是分段的,所以它不是直接下载。您可以取消注释下面的打印语句,查看每个 m3u8 文件包含的内容。这也将遍历页面
import re
for i in range(6119,6121):
url = 'https://www2.nhk.or.jp/signlanguage/sp/enquete.cgi?dno={}'.format(str(i))
page = requests.get(url)
soup = BeautifulSoup(page.text,'html.parser')
print(soup.find(onclick=re.compile('signlanguage/movie'))) # locate the div that has the data we need
video_id = soup.find(onclick=re.compile('signlanguage/movie')).get('onclick').split(',')[1].replace("'","")
m3u8_url = 'https://nhks-vh.akamaihd.net/i/signlanguage/movie/v4/{}/{}.mp4/master.m3u8'.format(video_id[-1],video_id)
# this m3u8 file doesn't contain download links,the next one does; so download and save that one
r = requests.get(m3u8_url)
# print(r.text)
m3u8_url_2 = r.text.split('\n')[2] # get first link; high bandwidth
r2 = requests.get(m3u8_url_2)
# print(r2.text)
# there are other ways to download the file,i'm just creating a new one with the data read and writing to a file
fn = video_id + '.m3u8'
with open(fn,'w+') as f:
f.write(r2.text)
f.close()