使用 python requests 来下载知乎的视频，虽然有更简单的方法。
分析
老规矩，先抓包。
随便进入一个视频页面，进入开发者模式，选择网络，再筛选为 XHR。
很快啊，啪的一下进来，就找到了这么一个请求。
再点开这个 json，发现里面这么些数据：
很明显，这里面有三个不同清晰度的视频，分别是 LD、HD、SD。点开里面的’play_url’之后，就会提示下载一个视频文件。这已经很明显了，这就是我们要找的视频地址。
那要怎么获取呢？
先看下 url，是这样的——(https://lens.zhihu.com/api/v4/videos/1254186650735267840)，前面的都是不变的，只有后面ID是动态的。
那么首要任务就是将这个 ID 找出来，在网页代码搜索一下，发现为空。
由于新版的知乎视频里，在答案上插入视频需要将视频发表到另一个地方，所以试着找一下在答案找到这个视频的地址。然后再去访问一下那里，看有没有这个 ID。
很明显，我们在答案的代码中找到了视频的 url 地址，在一个 <script id="js-clientConfig" type="text/json">标签里，有一个整个页面的 json 文件，包括了题目、答案和作者等详细信息，而视频 url 也在里面。
使用正则表达式提取出来，再去访问视频的 url。在视频的网页页面下，搜索一下视频 ID，果然在里面。
所以这就很简单了。
思路
- 先获取答案上的所有的视频 url；
- 再分别访问视频，获取一个返回包含视频信息的 json 的 url；
- 从 json 上获取到真实的视频 url 地址；
- 访问，再保存；
提取 url
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| def get_video_urls(url):
res = requests.get(url, headers=headers)
answer_id = re.findall(r'answer/(\d+)', url)[0]
text = res.text
json_text = re.findall(
r'<script id="js-initialData" type="text/json">(.*?)</script>', text)[0]
data = json.loads(json_text)
content = data['initialState']['entities']['answers'][answer_id]['content']
video_urls = re.findall(r'(https://www.zhihu.com/zvideo/\d+)', content)
return video_urls
|
获取真实的视频地址以及标题
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| def get_name_url(url):
get_video_url = 'https://lens.zhihu.com/api/v4/videos/{}'
res = requests.get(url, headers=headers)
url = re.findall(
'<iframe class="ZVideo-player" src=\"(.*?)\"', res.text)[0]
video_id = re.findall(r'/video/(\d+)', url)[0]
json_url = get_video_url.format(video_id)
res = requests.get(json_url, headers=headers)
data = json.loads(res.text)
HD_url = data['playlist']['HD']['play_url']
title = data['title']
video_name = title + '.mp4'
return video_name, HD_url
|
保存
1
2
3
4
| def save(name, url):
res = requests.get(url, headers=headers)
with open(name, 'wb') as fp:
fp.write(res.content)
|
完整代码
Github|spider