下载B站视频作为PPT素材

news/2024/9/13 22:49:47/ 标签: 爬虫

下载B站视频作为PPT素材

- 1. 下载原理
- 2. 网页分析
- 3. 请求页面，找到数据
- 4. 数据解析
- 5. 音频、视频下载
- 6. 合并音频与视频
- 7. 完整代码

其实使用爬虫也不是第一次了，之前从网站爬过图片，下载过大型文件，如今从下载视频开始才想到要写一篇关于爬虫的博客。
这次是为了给PPT添加视频，发现我的WPS当前版本只能添加本地视频，在线视频无法添加，并且还需要会员才可以添加大于20M的视频。Office只能添加它支持的以YouTube为代表的视频网站的一些视频，无法添加像B站等国内网站的在线视频。对于添加本地视频，WPS和Office添加方法没有什么区别，WPS还有文件大小的限制。

在这里插入图片描述
不能添加在线视频就只能退而求其次，添加下载好的视频，这就遇到个问题，我们要先下载好视频。

1. 下载原理

获取视频资源的源地址，然后爬取视频的二进制内容，再写入到本地即可。

2. 网页分析

案例视频地址：https://www.bilibili.com/video/BV1Um411r7gW/?spm_id_from=333.337.search-card.all.click&vd_source=148afb6cb7e28daa45a2f426a0dec4ee

打开该网页，然后F12进入开发者模式，接着点开网络—>全部，因为视频资源一般比较大，我这里根据大小进行了从大到小的排序，找到了第一条这些可能和视频源地址有关。

在这里插入图片描述
查看页面源代码，经过查找可以发现视频在“playinfo”处，图片并不完整，大家可以自行搜取。

3. 请求页面，找到数据

	session = requests.session()url = 'https://www.bilibili.com/video/BV1Um411r7gW/?spm_id_from=333.337.search-card.all.click&vd_source=148afb6cb7e28daa45a2f426a0dec4ee'headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36 Edg/106.0.1370.37',"Referer": "https://www.bilibili.com"}resp = session.get(url, headers=headers)# print(resp.text)

利用session代替requests进行请求，session可以认为是一连串的请求，在这个过程中的cookie不会丢失。
referer代表防盗链，请求头中没有这一项将请求不到内容。防盗链可以在抓包工具中查找

4. 数据解析

	title = re.findall(r'<title data-vue-meta="true">(.*?)_哔哩哔哩_bilibili', resp.text)[0]play_info = re.findall(r'<script>window.__playinfo__=(.*?)</script>', resp.text)[0]'''print(title)print(play_info,type(play_info))'''json_data = json.loads(play_info)# pprint.pprint(json_data) #格式化输出，便于观看# print(type(json_data))audio_url = json_data['data']['dash']['audio'][0]['backupUrl'][0]  # 音频地址 [0]清晰度最高video_url = json_data['data']['dash']['video'][0]['backupUrl'][0]  # 视频地址

title与代码对应部分

<title data-vue-meta="true">【揭秘】Transformer诞生背后的故事_哔哩哔哩_bilibili</title>

playinfo与代码对应部分

<script>
window.__playinfo__={"code":0,"message":"0","ttl":1,"data":{"from":"local","result":"suee","message":"","quality":32,"format":"flv480","timelength":229505,"accept_format":"hdflv2,flv,flv720,flv480,mp4","accept_description":["高清 1080P+","高清 1080P","高清 720P","清晰 480P","流畅 360P"],"accept_quality":[112,80,64,32,16],"video_codecid":7,"seek_param":"start","seek_type":"offset","dash":{"duration":230,"minBufferTime":1.5,"min_buffer_time":1.5,"video":[{"id":32,"baseUrl":

请求到页面源代码后，解析提取“playinfo”即视频链接项，使用正则表达式（python中re库）进行提取。
利用json库将提取数据转化为字典数据，并利用pprint库进行格式化输出进行分析。

数据中包含视频和音频两种内容，故b站的视频和音频是分开的，我们都要下载下来，然后用其他工具合成。
上面已经把提取数据转化为字典，然后利用字典找到音频audio_url 和视频地址video_url。

5. 音频、视频下载

	audio_content = session.get(audio_url, headers=headers).content  # 音频二进制内容video_content = session.get(video_url, headers=headers).content  # 视频二进制内容with open(r'D:\documents\python\daily\download/' + title + '.mp3', 'wb') as f:f.write(audio_content)with open(r'D:\documents\python\daily\download/' + title + '.mp4', 'wb') as f:f.write(video_content)

请求音频和视频地址，并下载下来。

6. 合并音频与视频

from moviepy.editor import *def merge(title):video_path = title + '.mp4'audio_path = title + '.mp3'# 提取音轨audio = AudioFileClip(audio_path)# 读入视频video = VideoFileClip(video_path)# 将音轨合并到视频中video = video.set_audio(audio)# 输出video.write_videofile(f"{title}(含音频).mp4")

调用

	merge(title)print('有音频视频处理完成')

7. 完整代码

# -*- coding : UTF-8 -*-
# @file   : download_bilibili.py
# @Time   : 2024/8/26 0026 7:51
# @Author : Administratorimport pprint
import requests
import re
import json
from moviepy.editor import *def merge(title):video_path = title + '.mp4'audio_path = title + '.mp3'# 提取音轨audio = AudioFileClip(audio_path)# 读入视频video = VideoFileClip(video_path)# 将音轨合并到视频中video = video.set_audio(audio)# 输出video.write_videofile(f"{title}(含音频).mp4")if __name__ == "__main__":session = requests.session()url = 'https://www.bilibili.com/video/BV1Um411r7gW/?spm_id_from=333.337.search-card.all.click&vd_source=148afb6cb7e28daa45a2f426a0dec4ee'headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36 Edg/106.0.1370.37',"Referer": "https://www.bilibili.com"}resp = session.get(url, headers=headers)# print(resp.text)title = re.findall(r'<title data-vue-meta="true">(.*?)_哔哩哔哩_bilibili', resp.text)[0]play_info = re.findall(r'<script>window.__playinfo__=(.*?)</script>', resp.text)[0]'''print(title)print(play_info,type(play_info))'''json_data = json.loads(play_info)# pprint.pprint(json_data) #格式化输出，便于观看# print(type(json_data))audio_url = json_data['data']['dash']['audio'][0]['backupUrl'][0]  # 音频地址 [0]清晰度最高video_url = json_data['data']['dash']['video'][0]['backupUrl'][0]  # 视频地址audio_content = session.get(audio_url, headers=headers).content  # 音频二进制内容video_content = session.get(video_url, headers=headers).content  # 视频二进制内容with open(r'D:\documents\python\daily\download/' + title + '.mp3', 'wb') as f:f.write(audio_content)with open(r'D:\documents\python\daily\download/' + title + '.mp4', 'wb') as f:f.write(video_content)merge(title)print('有音频视频处理完成')