今日头条视频的地址解析下载

ゞ浴缸里的玫瑰 2022-08-24 05:29 476阅读 0赞

以今日头条视频播放页URL [http://www.toutiao.com/a6296462662335201793/][http_www.toutiao.com_a6296462662335201793] 为例，来说说是如何得到视频的真实地址的。

在Chrome浏览器中打开上面的链接，然后审查播放器区域的元素，发现是这样的：

原来是使用了HTML5的video标签，该标签的src属性值就是视频的真实地址。是不是很简单？如果我们想写个脚本来自动解析视频的真实地址，会发现情况不一样。

说明：以下代码片段均使用Python语言。

import requests
    from pyquery import PyQuery as pq
    
    r = requests.get('http://www.toutiao.com/a6296462662335201793/')
    d = pq(r.content)
    d('video')  # video元素不存在
    d('#video') # id是video的元素是存在的

当我们把播放页下载下来，并且尝试提取video元素的时候，发现下载下来的播放页中根本就没有video元素。这说明video元素可能是js脚本动态生成的，该想想其它办法了。

通过观察加载播放页页面时的网络请求，我们发现如下相关的请求：

http://v7.pstatp.com/b97adb57aaa351e485ed69c5e4852211/5791c279/video/c/c62f4d4320ea43469b490e54240653ab/
    http://i.snssdk.com/video/urls/v/1/toutiao/mp4/9583cca5fceb4c6b9ca749c214fd1f90?r=18723666135963302&s=3807690062&callback=tt_playerzfndr

其中，第1个请求就是视频真实地址，第2个请求返回的是一个JSON字符串，内容如下：

{
      "code": 0,
      "message": "success",
      "total": 3,
      "data": {
        "status": 10,
        "video_duration": 0,
        "video_id": "9583cca5fceb4c6b9ca749c214fd1f90",
        "user_id": "toutiao",
        "video_list": {
          "video_3": {
            "definition": "720p",
            "vtype": "mp4",
            "main_url": "aHR0cDovL3Y3LnBzdGF0cC5jb20vZmJiZmE2Yjc4ZjM4MThhM2M0OTVhMmRkYjAyOWY5NTAvNTc5\nMWMzODAvdmlkZW8vYy8zNDMwNzcxZjMyNmY0ZDUxOTRiNTYyMzdhNmEyMzFmYy8=\n",
            "vwidth": 720,
            "backup_url_1": "aHR0cDovL3Y2LnBzdGF0cC5jb20vdmlkZW8vYy8zNDMwNzcxZjMyNmY0ZDUxOTRiNTYyMzdhNmEy\nMzFmYy8/U2lnbmF0dXJlPTMwd25YNHVBYzJ1JTJGdSUyRlNvNjhDM010U1VRVW8lM0QmRXhwaXJl\ncz0xNDY5MTc0MTYwJktTU0FjY2Vzc0tleUlkPXFoMGg5VGRjRU1ybTFWbFIyYWQv\n",
            "bitrate": 0,
            "vheight": 576,
            "size": 0
          },
          "video_2": {
            "definition": "480p",
            "vtype": "mp4",
            "main_url": "aHR0cDovL3Y0LnBzdGF0cC5jb20vM2ZiYTI0YzVhYzE1NGVlNmIxMGQ4ZTAyZThhNGQxZDMvNTc5\nMWMzODAvdmlkZW8vYy9jNjJmNGQ0MzIwZWE0MzQ2OWI0OTBlNTQyNDA2NTNhYi8=\n",
            "vwidth": 600,
            "backup_url_1": "aHR0cDovL3Y0LnBzdGF0cC5jb20vM2ZiYTI0YzVhYzE1NGVlNmIxMGQ4ZTAyZThhNGQxZDMvNTc5\nMWMzODAvdmlkZW8vYy9jNjJmNGQ0MzIwZWE0MzQ2OWI0OTBlNTQyNDA2NTNhYi8=\n",
            "bitrate": 0,
            "vheight": 480,
            "size": 0
          },
          "video_1": {
            "definition": "360p",
            "vtype": "mp4",
            "main_url": "aHR0cDovL3Y2LnBzdGF0cC5jb20vdmlkZW8vYy9iODgwZmI1YzM1NjE0NzJlOThlNGU0Y2U5N2My\nYzg5ZS8/U2lnbmF0dXJlPXBlTWhoNFdLcyUyRkNmRW9pYm4wTVNKUU5tR1lnJTNEJkV4cGlyZXM9\nMTQ2OTE3NDE2MCZLU1NBY2Nlc3NLZXlJZD1xaDBoOVRkY0VNcm0xVmxSMmFkLw==\n",
            "vwidth": 450,
            "backup_url_1": "aHR0cDovL3Y3LnBzdGF0cC5jb20vNjFhYTJlN2RlN2YxZTgzNGJiNjg3ZDZmMDZjZGFmNzMvNTc5\nMWMzODAvdmlkZW8vYy9iODgwZmI1YzM1NjE0NzJlOThlNGU0Y2U5N2MyYzg5ZS8=\n",
            "bitrate": 0,
            "vheight": 360,
            "size": 0
          }
        }
      }
    }

看看JSON内容，可以看到共有3种清晰度视频，分别是超清、高清和标清。definition表示清晰度，main\_url应该就是视频真实地址了。main\_url的值看起来就是base64编码后的结果，用base64解码main\_url，得到的就是视频真实地址。

import base64
    main_url = "aHR0cDovL3Y3LnBzdGF0cC5jb20vZmJiZmE2Yjc4ZjM4MThhM2M0OTVhMmRkYjAyOWY5NTAvNTc5\nMWMzODAvdmlkZW8vYy8zNDMwNzcxZjMyNmY0ZDUxOTRiNTYyMzdhNmEyMzFmYy8=\n"
    base64.standard_b64decode(main_url) 
    # output: http://v7.pstatp.com/fbbfa6b78f3818a3c495a2ddb029f950/5791c380/video/c/3430771f326f4d5194b56237a6a231fc/

那么接下来的问题就是探究上面的第2个请求 [http://i.snssdk.com/video/urls/v/1/toutiao/mp4/9583cca5fceb4c6b9ca749c214fd1f90?r=18723666135963302&s=3807690062&callback=tt\_playerzfndr][http_i.snssdk.com_video_urls_v_1_toutiao_mp4_9583cca5fceb4c6b9ca749c214fd1f90_r_18723666135963302_s_3807690062_callback_tt_playerzfndr] 是如何构造的。

在用Chrome的开发者工具监视网络请求的时候可以看到该请求是js脚本发出的，该js脚本是 [http://s3.pstatp.com/tt\_player/player/tt2-player.js?r=customer1][http_s3.pstatp.com_tt_player_player_tt2-player.js_r_customer1]  
把该js下载下来，prettify一下，使用你最爱的编辑器看看该js到底做了些什么。

通过研究该js脚本，发现请求[http://i.snssdk.com/video/urls/v/1/toutiao/mp4/9583cca5fceb4c6b9ca749c214fd1f90?r=18723666135963302&s=3807690062&callback=tt\_playerzfndr][http_i.snssdk.com_video_urls_v_1_toutiao_mp4_9583cca5fceb4c6b9ca749c214fd1f90_r_18723666135963302_s_3807690062_callback_tt_playerzfndr] 中的一些参数的含义如下：

*  9583cca5fceb4c6b9ca749c214fd1f90：这是视频的唯一ID
 *  18723666135963302：这是一个随机数
 *  3807690062：这是CRC32校验值无符号右移0位

视频的唯一ID可以在播放页HTML源码中找到，即id为video的元素的tt-videoid属性值。

import requests
    from pyquery import PyQuery as pq
    
    r = requests.get('http://www.toutiao.com/a6296462662335201793/')
    d = pq(r.content)
    vid = d('#video').attr('tt-videoid')

参数r的构造如下：

import random
    
    r = str(random.random())[2:]

参数s的构造如下：

import urlparse
    
    def right_shift(val, n):
        return val >> n if val >= 0 else (val + 0x100000000) >> n
    
    url = 'http://i.snssdk.com/video/urls/v/1/toutiao/mp4/%s' % vid
    n = urlparse.urlparse(url).path + '?r=' + r
    c = binascii.crc32(n)
    s = right_shift(c, 0)

参数callback就不管了吧。到此，获取JSON内容就简单了：

r = requests.get(url + '?r=%s&s=%s' % (r, s))
    print r.json()

[http_www.toutiao.com_a6296462662335201793]: https://link.jianshu.com?t=http://www.toutiao.com/a6296462662335201793/
[http_i.snssdk.com_video_urls_v_1_toutiao_mp4_9583cca5fceb4c6b9ca749c214fd1f90_r_18723666135963302_s_3807690062_callback_tt_playerzfndr]: https://link.jianshu.com?t=http://i.snssdk.com/video/urls/v/1/toutiao/mp4/9583cca5fceb4c6b9ca749c214fd1f90?r=18723666135963302&s=3807690062&callback=tt_playerzfndr
[http_s3.pstatp.com_tt_player_player_tt2-player.js_r_customer1]: https://link.jianshu.com?t=http://s3.pstatp.com/tt_player/player/tt2-player.js?r=customer1