Pythonはある短いビデオを撮ります。

一、目標をつかむ
ターゲットURL：動画リスト

二、工具使用
開発環境：win 10、python 3.7
開発ツール：pycharm、Chrome
ツールバッグ：requests、xpath、base 64
三、重点学習内容
爬虫採集データの解析過程
jsコードデバッグテクニック
js逆解析コード
Pythonコードの変換
四、プロジェクトの構想解析
サイトのトップページに入ります。
あなたの興味のある分類を選んでください。
トップページのアドレスから詳細ページに入るハイパーリンクのジャンプ先を取得します。

暗号化に対応するビデオ再生アドレスデータが見つかりました。

このデータは静的なページデータで、jsコードで復号されます。
対応する解析コードが見つかりました。
まず動画の再生先を探します。
解析ビデオアドレスの暗号化されたjsファイルを見つけました。
再生をクリックするとファイルがトリガーされます。

これは大体base 64暗号化されたデータだと分かります。
対応するjsファイルでキーワードを検索します。
jsの暗号化方式が見つかりました。

js関数のいくつかの関数の使い方

# eplace()                     
    # parseInt           
    # base64.atob    base64           
    # substring             start             

jsコードをPythonコードに変換します。

import base64

def decode(data):
    def getHex(a):
        return {
            'str': a[4:],
            'hex': ''.join(list(a[:4])[::-1]),
        }

    def getDec(a):
        b = str(int(a, 16))
        return {
            'pre': list(b[:2]),
            'tail': list(b[2:]),
        }

    def substr(a, b):
        c = a[0: int(b[0])]
        d = a[int(b[0]): int(b[0]) + int(b[1])]
        return c + a[int(b[0]):].replace(d, "")

    def getPos(a, b):
        b[0] = len(a) - int(b[0]) - int(b[1])
        return b

    b = getHex(data)
    c = getDec(b['hex'])
    d = substr(b['str'], c['pre'])
    return base64.b64decode(substr(d, getPos(d, c['tail'])))

print(decode("e121Ly9tBrI84RdnZpZGVvMTAubWVpdHVkYXRhLmNvbS82MGJjZDcwNTE3NGZieXBueG5udnRwMTA5N19IMjY0XzFfNWY3YThmM2U0MTEwNy5tc2JVjAu3EDQ="))

最後のビデオの再生アドレスを取得しました。


五、簡易ソースシェア

import requests
from lxml import etree
import base64

def decode_mp4(data):
    def getHex(a):
        return {
            'str': a[4:],
            'hex': ''.join(list(a[:4])[::-1]),
        }

    def getDec(a):
        b = str(int(a, 16))
        return {
            'pre': list(b[:2]),
            'tail': list(b[2:]),
        }

    def substr(a, b):
        c = a[0: int(b[0])]
        d = a[int(b[0]): int(b[0]) + int(b[1])]
        return c + a[int(b[0]):].replace(d, "")

    def getPos(a, b):
        b[0] = len(a) - int(b[0]) - int(b[1])
        return b

    b = getHex(data)
    c = getDec(b['hex'])
    d = substr(b['str'], c['pre'])
    return base64.b64decode(substr(d, getPos(d, c['tail'])))
#      
def main():
    url = 'https://www.meipai.com'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36',
    }
    response = requests.get(url=url, headers=headers)
    html_data = etree.HTML(response.text)
    href_list = html_data.xpath('//div/a/@href')
    # print(href_list)
    for href in href_list:
        res = requests.get('https://www.meipai.com' + href, headers=headers)
        html = etree.HTML(res.text)
        name = html.xpath('//div[@id="detailVideo"]/img/@alt')[0]
        mp4_data = html.xpath('//div[@id="detailVideo"]/@data-video')[0]
        # print(name, mp4_data)
        mp4_url = decode_mp4(mp4_data).decode('utf-8')
        print(mp4_url)
        result = requests.get("http:" + mp4_url)
        with open(name + ".mp4", 'wb') as f:
            f.write(result.content)
            f.close()


if __name__ == '__main__':
    main()

ここでPythoonについて、ある動画を撮影した文章を紹介します。これに関連して、Pythonさんが動画の内容を紹介します。以前の文章を検索したり、次の関連記事を見たりしてください。これからもよろしくお願いします。