博客首页 > Life in Coding > PHP > 各大视频网站的视频截图抓取

各大视频网站的视频截图抓取

6月 28th, 2012 3,421 留下评论 阅读评论

新的一个项目，要有视频的功能，当然只是简单的贴URL和标题罢了，不会涉及到要去上传视频文件，但是在展示视频的时候就需要用到视频截图了，自己去生成截图难度太大了也不现实，去视频的源网站抓取是可行也比较方便的方法。

试过优酷、土豆、酷6、56、腾讯、新浪、搜狐这些国内最大的视频门户，基本都成功获取到截图，其中属优酷最麻烦。

优酷

感觉优酷不愧为国内第一视频门户吧，技术算是最成熟的，安全也做得最好，直接体现在获取它的视频截图真心不容易。用查看html源码的方式根本无法实现，用firebug等工具找图片也不行因为图片是在flash里的。不过网上已经有文章告诉了方法，自己也可以通过httpfox或chrome自带的Network工具查看发起的http请求去找图片地址，优酷通过向URL：

1

'http://v.youku.com/player/getPlayList/VideoIDS/视频的ID/version/5/source/out'

而视频的ID就是普通视频URL中id_xxx中的xxx串，URL返回一段json字符串，其中的logo字段就是图片地址，可以发现此图片地址也是一个动态请求，非常复杂。

1
2
3
4
5
6
7
8
9
10

$url = 'http://v.youku.com/v_show/id_XMTA0NTM2MzI4.html';
preg_match_all("/id\_(\w+)[\=|.html]/", $url, $matches);
if(!empty($matches[1][0])) {
	$id = $matches[1][0];
	$u = 'http://v.youku.com/player/getPlayList/VideoIDS/'.$id.'/version/5/source/out';
	$json_str = file_get_contents($u);
	$json = json_decode($json_str);
	$image_url = $json->data[0]->logo;
	echo $image_url;
}

56

类似优酷，请求url为http://vxml.56.com/json/视频ID/?src=out，视频ID也好辨别。//测试可行，此来源网络

土豆、酷6、腾讯、新浪、搜狐

这些都比较简单，打开html源码细心点就能找到image的url，用正则就可以抓取出来了。其中酷6比较麻烦，把url中的:和.都用unicode编码了，先用字符串匹配给转了回来再去正则，因为不知道正则字符串中怎么搞反斜杠=.=（\\不起作用咩…）

  • 土豆：开头的js代码中有个属性listData，里面放了5部视频的信息，选第一部，其中的pic属性，正则字符串：/,pic:\”([\w\/\.\:]+)\”/
  • 酷6：Ctrl-F搜索bigpicpath属性，也在js代码中，正则字符串：/\”bigpicpath\”\:\”([\w\/\.\:]+)\”/
  • 腾讯：pic属性，正则字符串：/pic \:\”([\w\/\.\:]+)\”/
  • 新浪：pic属性，正则字符串：/pic\: \'([\w\/\.\:]+)\’/ 和楼上非常相似，难道又是抄袭？哈哈哈
  • 搜狐：cover属性，正则字符串：/var cover=\”([\w\/\.\:]+)\”/

在网上找资料的时候发现一个看似很好用的PHP的VideoUrlParser类，试了下只有优酷和56是起作用的，然后自己再用正则的办法把剩下的视频网站搞定。

原先的VideoUrlParser类

改良后VideoUrlParser类

Categories: PHP 标签：, ,
  1. null | #沙发
    7月 12th, 2012 18:30
    回复

    :wink: 兄台真乃神技也

  2. 6月 29th, 2012 09:19
    回复

    看上去优酷的技术确实比其他的要成熟的多啊。