获取网页中的视频下载地址(利用抓包)

男娘i 2022-09-23 09:29 326阅读 0赞

根据上篇文章的思路，我用了监听网卡流量的方式来改进了我的程序。速度得到了大大的提升。

## 思路 ##

下图是我用wireshark做的实验。把请求路径中带.mp4, .flv的请求留下来，得到的就是请求的视频资源了。  
![figure1][]

在wireshark的试验下，我确定了抓包这个方法是可以行得通了，我开始用python编写抓包代码。

我用python的pcap和dpkt这两个包来对网卡流量进行了分析。首先就是用pcap来对我的网卡进行监听，设置一下pcap的过滤器，只处理HTTP请求，因为视频的地址在HTTP请求中。我找到HTTP请求中地址中包含.flv的请求，就可以得到视频的url地址。

## 实验 ##

代码较短，我就直接贴上代码了。pcap,dpkt的使用我是参考的这篇文章，但是[这篇文章][Link 1]应该也是复制别人的，我当初搜的时候找到一篇更好的，但是最后写文章的时候没办法找到那篇更好的了，只能贴上这篇不那么好的了。  
当然代码也会放到[我的Github][Github]上，哈哈~

#encoding: utf8
    import pcap
    import dpkt
    pc=pcap.pcap('eth1')    #注，参数可为网卡名，如eth0
    #设置监听过滤器 HTTP请求的TCP头为GET 或者 HTTP
    pc.setfilter('tcp[20:2]=0x4745 or tcp[20:2]=0x4854')    
    
    print "starting capture"
    for ptime,pdata in pc:    #ptime为收到时间，pdata为收到数据
    #对抓到的以太网V2数据包(raw packet)进行解包
    
        p=dpkt.ethernet.Ethernet(pdata)
        if p.data.__class__.__name__=='IP':
            # ip='%d.%d.%d.%d'%tuple(map(ord,list(p.data.dst)))
            if p.data.data.__class__.__name__=='TCP':
                if p.data.data.dport==80:
                    header = p.data.data.data # by gashero
                    headerArr = header.split('\r\n')
                    url = headerArr[0].split(' ')[1]
                    host = headerArr[1].split(' ')[1]
                    requestUrl = host + url
                    if requestUrl.find('.flv') != -1:
                        # print headerArr
                        print requestUrl

运行结果图：  
![figure2][]

## 尚未解决的问题 ##

1.  对于优酷这种将视频分段的网站无法获取完整的视频。

[figure1]: http://7xqdjj.com1.z0.glb.clouddn.com/wireshark_capture.png
[Link 1]: http://www.oschina.net/p/pypcap
[Github]: https://github.com/HonkeeChan/crul_video_address
[figure2]: http://7xqdjj.com1.z0.glb.clouddn.com/capture_video_url.png