極客學院職業路徑圖課程視頻下載-爬蟲

時間 2019-12-04

標籤極客學院職業路徑課程視頻下載爬蟲欄目職業生涯简体版

原文原文鏈接

1、序言

　　最近看了極客學院的視頻教程，至關不錯，渴望把視頻下載到本地。手動下載耗時耗力，於是決定研究一番，寫一程序自動下載，終於小有成果！有圖爲證：html

2、技術難點

　　既然要實現自動下載，免不了要爬取極客學院的頁面獲取視頻地址。經嘗試，能夠發現大部分視頻觀看是須要登陸，而且是會員。因而所要解決的要點有：web

　　一、擁有會員ajax

　　二、模擬登陸正則表達式

　　三、解析htmlcookie

　　四、繼續下載（可能出現異常狀況下）session

3、實現

　　（1）、要獲取極客學院會員至關簡單（若是已是會員用戶，可跳過此步驟），利用邀請好友獲取30天體驗，以下圖：（30天足夠把全部的視頻下載完畢）框架

　　（2）、會員問題解決了，最大的難點就是模擬登陸了。細心的人就會發現，極客學院提供了一個ajax方式登陸的接口！以下圖：less

　　當咱們點擊登陸的時候，會發起一個ajax請求，經過抓包工具，咱們能夠獲取到登陸地址：http://passport.jikexueyuan.com/submit/login?is_ajax=1，驗證碼地址：http://passport.jikexueyuan.com/sso/verifyide

　　「萬事俱備只欠東風」，地址都知道了，還怕登陸不了麼？以下是本人最終實現登陸效果：工具

 1 /// <summary>
 2 /// 獲取驗證碼
 3 /// </summary>
 4 void GetVerifyCode()
 5 {
 6     VerifyCode.Source = null;
 7 
 8     // 1. 先請求登陸地址，獲取到當前用戶的會話cookie
 9     HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter
10     {
11         IsPost = false,
12         Url = "http://passport.jikexueyuan.com/sso/login"
13     });
14     SessionCookie = responseParameter.Cookie;
15 
16     // 2.帶上會話cookie請求驗證碼圖片（保證是當前用戶）
17     HttpProvider.Excute(new HttpRequestParameter
18     {
19         Url = string.Format("http://passport.jikexueyuan.com/sso/verify?t={0}", DateTime.Now.ToString("yyyyMMddHHmmsss")),
20         Cookie = SessionCookie,
21         ResponseEnum = HttpResponseEnum.Stream,
22         StreamAction = x =>
23         {
24             MemoryStream ms = new MemoryStream();
25             byte[] buffer = new byte[1024];
26             while (true)
27             {
28                 int sz = x.Read(buffer, 0, buffer.Length);
29                 if (sz == 0) break;
30                 ms.Write(buffer, 0, sz);
31             }
32             ms.Position = 0;
33 
34             BitmapImage bmp = new BitmapImage();
35             bmp.BeginInit();
36             bmp.StreamSource = new MemoryStream(ms.ToArray());
37             bmp.EndInit();
38 
39             VerifyCode.Source = bmp;
40 
41             ms.Close();
42         }
43     });
44 }

獲取驗證碼

 1 /// <summary>
 2 /// 登陸方法
 3 /// </summary>
 4 /// <param name="userName">帳號</param>
 5 /// <param name="userPwd">密碼</param>
 6 /// <param name="verifyCode">驗證碼</param>
 7 void LoginDo(string userName, string userPwd, string verifyCode)
 8 {
 9     // 1.登陸
10     IDictionary<string, string> postData = new Dictionary<string, string>();
11     postData.Add("referer", HttpUtility.UrlEncode("http://www.jikexueyuan.com/"));
12     postData.Add("uname", userName);
13     postData.Add("password", userPwd);
14     postData.Add("is_ajax", "1");
15     postData.Add("verify", verifyCode);
16     HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter
17     {
18         Url = "http://passport.jikexueyuan.com/submit/login?is_ajax=1",
19         IsPost = true,
20         Parameters = postData,
21         Cookie = SessionCookie
22     });
23 
24     LoginResultEntity loginResult = responseParameter.Body.DeserializeObject<LoginResultEntity>();
25     if (loginResult.status == 1)
26     {
27         // 2.登陸成功，保存cookie
28         CookieStoreInstance.CurrentCookie = responseParameter.Cookie;
29     }
30 
31     //MessageBox.Show(string.Format("body={0},cookie={1}", Unicode2String(responseParameter.Body),
32     //    responseParameter.Cookie.CookieString));
33 }

登陸代碼

　　流程說明：先訪問極客學院任意頁面（這裏已首頁爲例，），獲取到當前的用戶訪問的會話cookie（這裏仍是未登陸的cookie），而後拉取驗證碼，封裝數據發起登陸請求。把登陸成功後的cooki保存在本地文件或全局變量中（本例使用），以備下載視頻使用。

　　（3）登陸成功後，接下來就是獲取視頻下載地址。這裏以http://www.jikexueyuan.com/course/360.html這個地址爲例。訪問這個地址以下圖

　　查看源代碼，咱們會發現一段驚奇的代碼：<source src="http://cv4.jikexueyuan.com/ae892b3b4a8c63fa579af4d2c6f6bb03/201512151558/csharp/course_360/01/video/c360b_01_h264_sd_960_540.mp4" type="video/mp4" />，其中src地址就是咱們所需的視頻地址（必須登陸纔有這段代碼）。所以應該先解析此頁面，獲取課時列表的連接。而後一個一個遍歷發起Http請求（注意帶cookie）獲取視頻地址，而後下載保存到本地。

 1 public List<LessonEntity> GetLessonEntities(string url, HttpCookieType sessionCookie)
 2 {
 3     // 請求課時列表，解析html源碼，並提取課時 信息和連接
 4     HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter()
 5     {
 6         IsPost = false,
 7         Url = url,
 8         Encoding = Encoding.UTF8,
 9         Cookie = sessionCookie
10     });
11 
12     List<LessonEntity> results = new List<LessonEntity>();
13 
14     HtmlDocument htmlDocument = new HtmlDocument();
15     htmlDocument.LoadHtml(responseParameter.Body);
16     HtmlNode rootNode = htmlDocument.DocumentNode;
17     HtmlNodeCollection lessonNodes = rootNode.SelectNodes("//div[@id=\"pager\"]/div[3]/div[2]/div[2]/ul/li");
18     foreach (HtmlNode lessonNode in lessonNodes)
19     {
20         HtmlNode aNode = lessonNode.SelectSingleNode("div[1]/h2[1]/a[1]");
21         if (aNode != null)
22         {
23             results.Add(new LessonEntity
24             {
25                 Title = aNode.InnerText.Trim(),
26                 Href = aNode.GetAttributeValue("href", string.Empty)
27             });
28         }
29     }
30 
31     return results;
32 }

獲取課時列表

public string GetVideoUrl(string url, HttpCookieType sessionCookie)
{
    HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter
    {
        Url = url,
        Cookie = sessionCookie
    });
    // 正則提早視頻文件 地址
    string result = Regex.Match(responseParameter.Body, "<source.*src=\"(.+?\").*/>").Groups[1].Value.Replace("\"", string.Empty);
    sessionCookie = responseParameter.Cookie;
    return result;
}

獲取視頻地址

public void DownloadVideo(string filePath, string url, HttpCookieType sessionCookie, Action action = null)
{
    string folder = Path.GetDirectoryName(filePath);
    if (!string.IsNullOrEmpty(folder) && !Directory.Exists(folder))
    {
        // 若是目錄文件夾不存在， 則建立
        Directory.CreateDirectory(folder);
    }
    if (action != null)
    {
        action();
    }

    HttpProvider.Excute(new HttpRequestParameter
    {
        Url = url,
        ResponseEnum = HttpResponseEnum.Stream,
        Cookie = sessionCookie,
        StreamAction = x =>
        {
            NetExtensions.WriteFile(filePath, x);
        }
    });

    //WebClient webClient = new WebClient();
    //webClient.DownloadFile(new Uri(url, UriKind.RelativeOrAbsolute), filePath);
}

下載視頻

 1 public void DownloadCode(string filePath, string courseId, HttpCookieType sessionCookie)
 2 {
 3     if (File.Exists(filePath)) return;
 4 
 5     HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter
 6     {
 7         Url = string.Format("http://www.jikexueyuan.com/course/downloadRes?course_id={0}", courseId),
 8         Cookie = sessionCookie
 9     });
10     CodeDownloadResultEntity result = responseParameter.Body.DeserializeObject<CodeDownloadResultEntity>();
11     if (result.code == 200)
12     {
13         string folder = Path.GetDirectoryName(filePath);
14         if (!string.IsNullOrEmpty(folder) && !Directory.Exists(folder))
15         {
16             // 若是目錄文件夾不存在， 則建立
17             Directory.CreateDirectory(folder);
18         }
19 
20         WebClient webClient = new WebClient();
21         webClient.DownloadFile(new Uri(result.data.url, UriKind.RelativeOrAbsolute), filePath);
22     }
23 }