之前写《使用Python抓取m3u8加密视频》笔记的原因，是自己有几个视频想保存，但对于m3u8, .ts 文件拼接不熟悉，就尝试写个脚本练手。

今天看了回复，有同学想知道如何从视频网站上获得 index.m3u8 主文件的链接。正好有空，找了个网站看了下，分享笔记如下

使用包

import requests, re

from lxml import etree # 最近爱上xpath，速度比BeautifulSoup快一点，而且xpath的语法通用

示例网址

每个网站的HTML结构不一样，这个是随便找的，用了动态JS和BLOB。blob我没有了解过，不知道怎么解析。不过这个网站有别的办法可以解析出 index.m3u8 地址。

分析搜索链接，获得视频主页

http://www.dy2046.net/search.asp?searchword=%D3%EB%C9%F1%CD%AC%D0%D0与神同行主演过的电影_电视剧全集 - 电影123​www.dy2046.net

使用网站顶部的站内搜索功能，随便输入电影名称，观察返回结果网页，可以看到

1、搜索是使用普通的get请求(注意uril转成了gbk编码，必须做相应转码，否则失败)

2、分析结果网页，搜索结果是保存在

测试代码如下

def get_videourl(name):

# 拼接搜索链接并转码

searchurl = requests.utils.quote(f'http://www.dy2046.net/search.asp?searchword={name}',safe=':/.?=&', encoding='gbk')

print(searchurl)

page = requests.get(searchurl)

page = etree.HTML(page.content)

videourl = page.xpath('//ul[@class="piclist"]/li/a')[0].get('href')

return f'{siteurl}{videourl}'

分析视频主页，获得播放链接

def get_index(videourl):

page = requests.get(videourl)

page = etree.HTML(page)

page = page.xpath('/html/body/div//div[@id="jishu"]/div//ul/li/a')

playlist = [f'{siteurl}{i.get("href")}' for i in page]

return playlist

分析播放页面

发现有点麻烦，播放时使用了iframe加载，这种情况requests一般很难获取到iframe内部的链接，需要使用 selenium 包来模拟浏览器，但 seleniume 加载较慢 ，是不得以时的选择。

再观察一下，发现图中在 标签前加载了一段 .js 脚本，打开来看看

var VideoListJson=[

['云播放',

[

'BD\u97E9\u8BED\u9AD8\u6E05$https://youku.cdn1-letv.com/share/3613ef1ee5b75945c042bfb124275a0b$kuyun',

'BD\u7CA4\u8BED\u9AD8\u6E05$https://youku.cdn1-letv.com/share/869b61d6a909d51d982bae4dfd341f0a$kuyun'

]

],

['云点播',

[

'BD\u97E9\u8BED\u9AD8\u6E05$https://youku.cdn1-letv.com/20180403/9033_500a12c4/index.m3u8$m3u8',

'BD\u7CA4\u8BED\u9AD8\u6E05$https://youku.cdn1-letv.com/20180403/9032_72f7d579/index.m3u8$m3u8'

]

]

],urlinfo='http://'+document.domain+'/juqing/yushentongxing/play--.html';

打开.js脚本中的 index.m3u8 ，内容如下

'#EXTM3U\n#EXT-X-STREAM-INF:PROGRAM-ID=1,BANDWIDTH=800000,RESOLUTION=1080x608\n1000k/hls/index.m3u8'

至此，已经可以确定 .js脚本中就保存了 index.m3u8的地址，做个简单的拼接即可得到真正的 index.m3u8地址。

def get_index(playurl):

# 获得.js脚本 的链接

page = requests.get(playurl)

page = etree.HTML(page.content)

indexurl = page.xpath('//div[@id="bofang-box"]/script')[0].values()[1]

# 拼接.js脚本的链接, 并删除?后面的参数

indexurl = f'{siteurl}{indexurl[:indexurl.find("?")]}'

# 获得.js脚本内容，并提取中 index.m3u8 的链接

page = requests.get(indexurl)

indexurl = re.findall(r"https://[\w\-\.\$/]+\.m3u8",page.text)[0]

tmp = requests.get(indexurl)

tmp = tmp.text[tmp.text.rfind('\n')+1:]

indexurl = indexurl.replace('index.m3u8', tmp)

return indexurl

好了，剩下就是下载和解析 index.m3u8 文件内容了，不多写了。