Python对腾讯课程视频链接自动化抓取

耿彬2024-08-06 13:45

近期看到腾讯课堂停服的通知，心痛之余，想到啊，我还有很多课程没看完，就剩下两个月的事件，我也来不及看完了。怎么办？

索性，我研究下，怎么把视频保存下来。

接下来请听我分析。

所用技术

Python、Selenium

技术方案

简单来说，通过Selenium打开浏览器，通过课程视频播放详情页的链接，获取整个课程的标题和视频链接。

难点

腾讯课堂的视频不是mp4直接播放的，是m3u8地址。这就意味着，不能通过dom src的js方式简单获取，但通过代码接口逆向过于耗费时间和经历。

使用前，应该先通过测试监听的方式，启动浏览器

复制代码

C:
cd C:\Program Files\Google\Chrome\Application
chrome.exe --remote-debugging-port=9527

这里的端口指的是selenium要监听的那个，这里指认了，一会自动化执行的时候才会在这个窗口。这里是必要的，因为腾讯课堂限制必须登录，才能访问页面，所以启动后要先登录。然后才能执行抓取程序。

后面的步骤

启动监听程序
抓取课程链接程序
通过课程链接抓取真正视频链接程序。（这一步是相对难的）

如何找视频真实链接？

我是通过监听Network找到m3u8的地址，逐个视频自动获取m3u8地址，然后存储到本地。

python 复制代码

opt = ChromeOptions()
opt.add_experimental_option("debuggerAddress", "127.0.0.1:9527")  # 指定端口为9527，要和启动时调试端口一样
# 通过option参数，设置浏览器不关闭
  caps = {
    "browserName": "chrome",
    'goog:loggingPrefs': {'performance': 'ALL'}  # 开启日志性能监听
  }
  # 将caps添加到options中
  for key, value in caps.items():
    opt.set_capability(key, value)

webdriver.Chrome(options=opt)
performance_log = driver.get_log('performance')
# performance_log 通过这里获取真实的m3u8地址

最后通过下载工具下载

我使用的是N_m3u8DL。

通过执行命令

cmd 复制代码

.\N_m3u8DL-CLI_v3.0.2 "下载地址uri" --workDir "下载后保存的位置" --saveName "下载后要保存的文件名"

可以通过python执行

python 复制代码

import os
os.system("") # 在此执行命令

也可以保存到一个文件，把所有的下载命令，通过python直接执行那个脚本。

最后：欢迎各位点评，如果想要源码，可以与我联系。