实战:用 Python 爬虫攻破爱奇艺 VIP 视频防线

发表于:2018-4-03 10:17

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:Jack-Cui    来源:51testing软件测试网采编

  一、实战背景
  爱奇艺的VIP视频只有会员能看,普通用户只能看前6分钟。比如加勒比海盗5的URL:http://www.iqiyi.com/v_19rr7qhfg0.html#vfrm=19-9-0-1
  我们怎么免费看VIP视频呢?一个简单的方法,就是通过旋风视频VIP解析网站。URL:http://api.xfsub.com/
  这个网站为我们提供了免费的视频解析,它的通用解析方式是:
  http://api.xfsub.com/index.php?url=[播放地址或视频id]
  比如,对于绣春刀这个电影,我们只需要在浏览器地址栏输入:
  http://api.xfsub.com/index.php? url=http://www.iqiyi.com/v_19rr7qhfg0.html#vfrm=19-9-0-1
  这样,我们就可以在线观看这些VIP视频了:
  但是这个网站只提供了在线解析视频的功能,没有提供下载接口,如果想把视频下载下来,我们就可以利用网络爬虫进行抓包,将视频下载下来。
  二、实战升级
  分析方法相同,我们使用Fiddler进行抓包:
  我们可以看到,有用的请求并不多,我们逐条分析。我们先看第一个请求返回的信息。
  可以看到第一个请求是GET请求,没有什么有用的信息,继续看下一条。
  我们看到,第二条GET请求地址变了,并且在返回的信息中,我们看到,这个网页执行了一个POST请求。POST请求是啥呢?它跟GET请求正好相反,GET是从服务器获得数据,而POST请求是向服务器发送数据,服务器再根据POST请求的参数,返回相应的内容。这个POST请求有四个参数,分别为time、key、url、type。记住这个有用的信息,我们在抓包结果中,找一下这个请求,看看这个POST请求做了什么。
  很显然,这个就是我们要找的POST请求,我们可以看到POST请求的参数以及返回的json格式的数据。其中url存放的参数如下:
  xfsub_api\/url.php?key=02896e4af69fb18f7029b6046d7c718 &time=1505724557&url=http%3A%2F%2Fwww.iqiyi.com%2Fv_19rr7qhfg0.html &type=&xml=1
  这个信息有转义了,但是没有关系,我们手动提取一下,变成如下形式:
  xfsub_api/url.php? key=02896e4af69fb18f70129b6046d7c718 &time=1505724557 &url=http://www.iqiyi.com/v_19rr7qhfg0.html &type=&xml=1
  我们已经知道了这个解析视频的服务器的域名,再把域名加上:
  http://api.xfsub.com/xfsub_api\url.php? key=02896e4af69fb18f70129b6046d7c718 &time=1505724557 &url=http://www.iqiyi.com/v_19rr7qhfg0.html&type=&xml=1
  这里面存放的是什么东西?不会视频解析后的地址吧?我们有浏览器打开这个地址看一下:
  果然,我们可以看到视频地址近在眼前啊,URL如下:
  http://disp.titan.mgtv.com/vod.do?fmt=4&pno=1121& fid= 1FEA2622E0BD9A1CA625FBE9B5A238A6 &file=/c1/2017/09/06_0/1FEA2622E0BD9A1CA625FBE9B5A238A6_20170906_1_1_705.mp4
  我们再打开这个视频地址:
  瞧,我们就这样得到了这个视频在服务器上的缓存地址。根据这个地址,我们就可以轻松下载视频了。
  PS:需要注意一点,这些URL地址,都是有一定时效性的,很快就会失效,因为里面包含时间信息。所以,各位在分析的时候,要根据自己的URL结果打开网站才能看到视频。
  接下来,我们的任务就是编程实现我们所分析的步骤,根据不同的视频播放地址获得视频存放的地址。
  现在梳理一下编程思路:
  用正则表达式匹配到key、time、url等信息。
  根据匹配的到信息发POST请求,获得一个存放视频信息的url。
  根据这个url获得视频存放的地址。
  根据最终的视频地址,下载视频。
  三、编写代码
  编写代码的时候注意一个问题,就是我们需要使用requests.session()保持我们的会话请求。简单理解就是,在初次访问服务器的时候,服务器会给你分配一个身份证明。我们需要拿着这个身份证去继续访问,如果没有这个身份证明,服务器就不会再让你访问。这也就是这个服务器的反爬虫手段,会验证用户的身份。



上文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理。
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号