python爬取视频网站m3u8视频，下载.ts后缀文件，合并成整视频，m3u8.ts,最近发现一些网站，可

python爬取视频网站m3u8视频，下载.ts后缀文件，合并成整视频，m3u8.ts,最近发现一些网站，可

最近发现一些网站，可以解析各大视频网站的vip。仔细想了想，这也算是爬虫呀，爬的是视频数据。

首先选取一个视频网站，我选的是影视大全，然后选择上映不久的电影 “一出好戏” 。

分析页面

我用的是chrome浏览器，F12进入查看。选择NetWork的Doc，发现主体部分的数据是从这个网站获取的。

在地址栏输入这个链接，跳转到了视频来源的播放页面。

当然，在这个页面就可以直接观看视频了，但是我们要把视频下载下来。

寻找视频文件

仍然是之前那个页面，在Other中，我们发现了一些奇怪的东西。

查一下，m3u8是个啥东西。

m3u8是苹果公司推出一种视频播放标准，是m3u的一种，不过 编码方式是utf-8，是一种文件检索格式，将视频切割成一小段一小段的ts格式的视频文件，然后存在服务器中（现在为了减少I/o访问次数，一般存在服务器的内存中），通过m3u8解析出来路径，然后去请求。

这下就清楚了，这就是我们要找的东西。

点击Response，查看这个.m3u8的文件。观察发现，.ts后缀的文件地址是有规律的。我们只需要下载所有的.ts后缀文件，然后把它们整合成一个文件即可。

合并.ts文件

命令行：“copy /b F:\f\*.tsE:\f\new.ts”。

执行该命令后，F:\f目录下的全部TS文件就被合并成一个new.ts文件了（你原来的那堆文件仍然存在）。

这里使用copy命令的文件合并功能进行ts文件的合并，copy后面的/b参数表示把文件按二进制格式来合并，如果不加这个参数，则会把目标当成文本文件来合并，并在文件内添加不必要的标记，这会导致播放出错，所以必须加/b参数。

编写脚本，下载.ts文件

from urllib import requestimport urllibfrom time import sleepimport socketclass CatchVideo(object):    def __init__(self):        self.headers = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36"        self.url = ""    def set_url(self, i):        if i < 1000:            self.url = "https://cdn.letv-cdn.com/20180811/YLDUgCD6/1000kb/hls/DtrOg2412%03d.ts" % i        else:            self.url = "https://cdn.letv-cdn.com/20180811/YLDUgCD6/1000kb/hls/DtrOg2412%04d.ts" % i    # 获取并下载ts文件    def dl_ts(self, i):        rq = request.Request(self.url)        rq.add_header(‘User-Agent‘, self.headers)        response = request.urlopen(rq)        resread = response.read()        with open(str(i)+".ts", "wb") as f:            f.write(resread)        response.close()# 关闭urlopen方法，防止被ban    def start_work(self):        for i in range(0, 1563+1):            self.set_url(i)            try:                self.dl_ts(i)                print(str(i) + ".ts  success")                sleep(1)            except urllib.error.URLError as e:                print(e.reason)                break            except socket.timeout as e2:                print(e2.reason)                self.dl_ts(i)if __name__ == ‘__main__‘:    catch_video = CatchVideo()    socket.setdefaulttimeout(20)    catch_video.start_work()

运行过程中，出现了两次报错，分别是：

urllib.error.URLError ：[WinError 10054] 远程主机强迫关闭了一个现有的连接

socket.timeout read读取超时

解决办法：

　　1.增加response.close，关闭urlopen方法。

　　2.增加time.sleep，有一秒缓冲时间

　　3.设置socket.setdefaulttimeout，给socket预留缓冲时间

还存在问题

实际运行过程中，脚本执行效率略低。之后会加入多线程，继续改进，增加运行效率。

参考博客：

https://blog.csdn.net/a33445621/article/details/80377424

https://blog.csdn.net/illegalname/article/details/77164521

python爬取视频网站m3u8视频，下载.ts后缀文件，合并成整视频