溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

python爬取基于m3u8協(xié)議的ts文件并合并

發(fā)布時(shí)間:2020-08-28 17:29:01 來(lái)源:腳本之家 閱讀:196 作者:彼時(shí)思默 欄目:開(kāi)發(fā)技術(shù)

前言

簡(jiǎn)單學(xué)習(xí)過(guò)網(wǎng)絡(luò)爬蟲(chóng),只是之前都是照著書上做并發(fā),大概能理解,卻還是無(wú)法自己用到自己項(xiàng)目中,這里自己研究實(shí)現(xiàn)一個(gè)網(wǎng)頁(yè)嗅探HTML5播放控件中基于m3u8協(xié)議ts格式視頻資源的項(xiàng)目,并未考慮過(guò)復(fù)雜情況,畢竟只是練練手.

源碼

# coding=utf-8
import asyncio
import multiprocessing
import os
import re
import time
from math import floor
from multiprocessing import Manager
import aiohttp
import requests
from lxml import html
import threading
from src.my_lib import retry
from src.my_lib import time_statistics


class M3U8Download:
 _path = "./resource\\" # 本地文件路徑
 _url_seed = None # 資源所在鏈接前綴
 _target_url = {} # 資源任務(wù)目標(biāo)字典
 _mode = ""
 _headers = {"User-agent": "Mozilla/5.0"} # 瀏覽器代理
 _target_num = 100

 def __init__(self):
 self._ml = Manager().list() # 進(jìn)程通信列表
 if not os.path.exists(self._path): # 檢測(cè)本地目錄存在否
  os.makedirs(self._path)
 exec_str = r'chcp 65001'
 os.system(exec_str) # 先切換utf-8輸出,防止控制臺(tái)亂碼

 def sniffing(self, url):
 self._url = url
 print("開(kāi)始嗅探...")
 try:
  r = requests.get(self._url) # 訪問(wèn)嗅探網(wǎng)址,獲取網(wǎng)頁(yè)信息
 except:
  print("嗅探失敗,網(wǎng)址不正確")
  os.system("pause")
 else:
  tree = html.fromstring(r.content)
  try:
  source_url = tree.xpath('//video//source/@src')[0] # 嗅探資源控制文件鏈接,這里只針對(duì)一個(gè)資源控制文件
  # self._url_seed = re.split("/\w+\.m3u8", source_url)[0] # 從資源控制文件鏈接解析域名
  except:
  print("嗅探失敗,未發(fā)現(xiàn)資源")
  os.system("pause")
  else:
  self.analysis(source_url)

 def analysis(self, source_url):
 try:
  self._url_seed = re.split("/\w+\.m3u8", source_url)[0] # 從資源控制文件鏈接解析域名
  with requests.get(source_url) as r: # 訪問(wèn)資源控制文件,獲得資源信息
  src = re.split("\n*#.+\n", r.text) # 解析資源信息
  for sub_src in src: # 將資源地址儲(chǔ)存到任務(wù)字典
   if sub_src:
   self._target_url[sub_src] = self._url_seed + "/" + sub_src
 except Exception as e:
  print("資源無(wú)法成功解析", e)
  os.system("pause")
 else:
  self._target_num = len(self._target_url)
  print("sniffing success!!!,found", self._target_num, "url.")
  self._mode = input(
  "1:-> 單進(jìn)程(Low B)\n2:-> 多進(jìn)程+多線程(網(wǎng)速開(kāi)始biubiu飛起!)\n3:-> 多進(jìn)程+協(xié)程(最先進(jìn)的并發(fā)!!!)\n")
  if self._mode == "1":
  for path, url in self._target_url.items():
   self._download(path, url)
  elif self._mode == "2" or self._mode == "3":
  self._multiprocessing()

 def _multiprocessing(self, processing_num=4): # 多進(jìn)程,多線程
 target_list = {} # 進(jìn)程任務(wù)字典,儲(chǔ)存每個(gè)進(jìn)程分配的任務(wù)
 pool = multiprocessing.Pool(processes=processing_num) # 開(kāi)啟進(jìn)程池
 i = 0 # 任務(wù)分配標(biāo)識(shí)
 for path, url in self._target_url.items(): # 分配進(jìn)程任務(wù)
  target_list[path] = url
  i += 1
  if i % 10 == 0 or i == len(self._target_url): # 每個(gè)進(jìn)程分配十個(gè)任務(wù)
  if self._mode == "2":
   pool.apply_async(self._sub_multithreading, kwds=target_list) # 使用多線程驅(qū)動(dòng)方法
  else:
   pool.apply_async(self._sub_coroutine, kwds=target_list) # 使用協(xié)程驅(qū)動(dòng)方法
  target_list = {}
 pool.close() # join函數(shù)等待所有子進(jìn)程結(jié)束
 pool.join() # 調(diào)用join之前,先調(diào)用close函數(shù),否則會(huì)出錯(cuò)。執(zhí)行完close后不會(huì)有新的進(jìn)程加入到pool
 while True:
  if self._judge_over():
  self._combine()
  break

 def _sub_multithreading(self, **kwargs):
 for path, url in kwargs.items(): # 根據(jù)進(jìn)程任務(wù)開(kāi)啟線程
  t = threading.Thread(target=self._download, args=(path, url,))
  t.start()

 @retry()
 def _download(self, path, url): # 同步下載方法
 with requests.get(url, headers=self._headers) as r:
  if r.status_code == 200:
  with open(self._path + path, "wb")as file:
   file.write(r.content)
  self._ml.append(0) # 每成功一個(gè)就往進(jìn)程通信列表增加一個(gè)值
  percent = '%.2f' % (len(self._ml) / self._target_num * 100)
  print(len(self._ml), ": ", path, "->OK", "\tcomplete:", percent, "%") # 顯示下載進(jìn)度
  else:
  print(path, r.status_code, r.reason)

 def _sub_coroutine(self, **kwargs):
 tasks = []
 for path, url in kwargs.items(): # 根據(jù)進(jìn)程任務(wù)創(chuàng)建協(xié)程任務(wù)列表
  tasks.append(asyncio.ensure_future(self._async_download(path, url)))
 loop = asyncio.get_event_loop() # 創(chuàng)建異步事件循環(huán)
 loop.run_until_complete(asyncio.wait(tasks)) # 注冊(cè)任務(wù)列表

 async def _async_download(self, path, url): # 異步下載方法
 async with aiohttp.ClientSession() as session:
  async with session.get(url, headers=self._headers) as resp:
  try:
   assert resp.status == 200, "E" # 斷言狀態(tài)碼為200,否則拋異常,觸發(fā)重試裝飾器
   with open(self._path + path, "wb")as file:
   file.write(await resp.read())
  except Exception as e:
   print(e)
  else:
   self._ml.append(0) # 每成功一個(gè)就往進(jìn)程通信列表增加一個(gè)值
   percent = '%.2f' % (len(self._ml) / self._target_num * 100)
   print(len(self._ml), ": ", path, "->OK", "\tcomplete:", percent, "%") # 顯示下載進(jìn)度

 def _combine(self): # 組合資源方法
 try:
  print("開(kāi)始組合資源...")
  identification = str(floor(time.time()))
  exec_str = r'copy /b "' + self._path + r'*.ts" "' + self._path + 'video' + identification + '.mp4"'
  os.system(exec_str) # 使用cmd命令將資源整合
  exec_str = r'del "' + self._path + r'*.ts"'
  os.system(exec_str) # 刪除原來(lái)的文件
 except:
  print("資源組合失敗")
 else:
  print("資源組合成功!")

 def _judge_over(self): # 判斷是否全部下載完成
 if len(self._ml) == len(self._target_url):
  return True
 return False


@time_statistics
def app():
 multiprocessing.freeze_support()
 url = input("輸入嗅探網(wǎng)址:\n")
 m3u8 = M3U8Download()
 m3u8.sniffing(url)
 # m3u8.analysis(url)


if __name__ == "__main__":
 app()

這里是兩個(gè)裝飾器的實(shí)現(xiàn):

import time


def time_statistics(fun):
 def function_timer(*args, **kwargs):
 t0 = time.time()
 result = fun(*args, **kwargs)
 t1 = time.time()
 print("Total time running %s: %s seconds" % (fun.__name__, str(t1 - t0)))
 return result

 return function_timer


def retry(retries=3):
 def _retry(fun):
 def wrapper(*args, **kwargs):
  for _ in range(retries):
  try:
   return fun(*args, **kwargs)
  except Exception as e:
   print("@", fun.__name__, "->", e)

 return wrapper

 return _retry

打包成exe文件

使用PyInstaller -F download.py將程序打包成單個(gè)可執(zhí)行文件.
這里需要注意一下,因?yàn)槌绦蚝卸噙M(jìn)程,需要在執(zhí)行前加一句multiprocessing.freeze_support(),不然程序會(huì)反復(fù)執(zhí)行多進(jìn)程前的功能.

關(guān)于協(xié)程

協(xié)程在Python3.5進(jìn)化到了async await版本,用 async 標(biāo)記異步方法,在異步方法里對(duì)耗時(shí)操作使用await標(biāo)記.這里使用了一個(gè)進(jìn)程驅(qū)動(dòng)協(xié)程的方法,在進(jìn)程池創(chuàng)建多個(gè)協(xié)程任務(wù),使用asyncio.get_event_loop()創(chuàng)建協(xié)程事件循環(huán),使用run_until_complete()注冊(cè)協(xié)程任務(wù),asyncio.wait()方法接收一個(gè)任務(wù)列表進(jìn)行協(xié)程注冊(cè).

關(guān)于裝飾器

裝飾器源于閉包原理,這里使用了兩種裝飾器.

  • @time_statistics:統(tǒng)計(jì)耗時(shí),裝飾器自己無(wú)參型
  • @retry():設(shè)置重試次數(shù),裝飾器自己有參型
  • 按我理解是有參型是將無(wú)參型裝飾器包含在內(nèi)部,而調(diào)用是加()的,關(guān)于():
  • 不帶括號(hào)時(shí),調(diào)用的是這個(gè)函數(shù)本身
  • 帶括號(hào)(此時(shí)必須傳入需要的參數(shù)),調(diào)用的是函數(shù)的return結(jié)果

關(guān)于CMD控制臺(tái)

程序會(huì)使用CMD命令來(lái)將下載的ts文件合并.
因?yàn)镃MD默認(rèn)使用GB2312編碼,調(diào)用os.system()需要先切換成通用的UTF-8輸出,否則系統(tǒng)信息會(huì)亂碼.
而且使用cmd命令時(shí)參數(shù)最好加雙引號(hào),以避免特殊符號(hào)報(bào)錯(cuò).

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。

向AI問(wèn)一下細(xì)節(jié)

免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI