您好,登錄后才能下訂單哦!
前言
簡單學習過網絡爬蟲,只是之前都是照著書上做并發,大概能理解,卻還是無法自己用到自己項目中,這里自己研究實現一個網頁嗅探HTML5播放控件中基于m3u8協議ts格式視頻資源的項目,并未考慮過復雜情況,畢竟只是練練手.
源碼
# coding=utf-8 import asyncio import multiprocessing import os import re import time from math import floor from multiprocessing import Manager import aiohttp import requests from lxml import html import threading from src.my_lib import retry from src.my_lib import time_statistics class M3U8Download: _path = "./resource\\" # 本地文件路徑 _url_seed = None # 資源所在鏈接前綴 _target_url = {} # 資源任務目標字典 _mode = "" _headers = {"User-agent": "Mozilla/5.0"} # 瀏覽器代理 _target_num = 100 def __init__(self): self._ml = Manager().list() # 進程通信列表 if not os.path.exists(self._path): # 檢測本地目錄存在否 os.makedirs(self._path) exec_str = r'chcp 65001' os.system(exec_str) # 先切換utf-8輸出,防止控制臺亂碼 def sniffing(self, url): self._url = url print("開始嗅探...") try: r = requests.get(self._url) # 訪問嗅探網址,獲取網頁信息 except: print("嗅探失敗,網址不正確") os.system("pause") else: tree = html.fromstring(r.content) try: source_url = tree.xpath('//video//source/@src')[0] # 嗅探資源控制文件鏈接,這里只針對一個資源控制文件 # self._url_seed = re.split("/\w+\.m3u8", source_url)[0] # 從資源控制文件鏈接解析域名 except: print("嗅探失敗,未發現資源") os.system("pause") else: self.analysis(source_url) def analysis(self, source_url): try: self._url_seed = re.split("/\w+\.m3u8", source_url)[0] # 從資源控制文件鏈接解析域名 with requests.get(source_url) as r: # 訪問資源控制文件,獲得資源信息 src = re.split("\n*#.+\n", r.text) # 解析資源信息 for sub_src in src: # 將資源地址儲存到任務字典 if sub_src: self._target_url[sub_src] = self._url_seed + "/" + sub_src except Exception as e: print("資源無法成功解析", e) os.system("pause") else: self._target_num = len(self._target_url) print("sniffing success!!!,found", self._target_num, "url.") self._mode = input( "1:-> 單進程(Low B)\n2:-> 多進程+多線程(網速開始biubiu飛起!)\n3:-> 多進程+協程(最先進的并發!!!)\n") if self._mode == "1": for path, url in self._target_url.items(): self._download(path, url) elif self._mode == "2" or self._mode == "3": self._multiprocessing() def _multiprocessing(self, processing_num=4): # 多進程,多線程 target_list = {} # 進程任務字典,儲存每個進程分配的任務 pool = multiprocessing.Pool(processes=processing_num) # 開啟進程池 i = 0 # 任務分配標識 for path, url in self._target_url.items(): # 分配進程任務 target_list[path] = url i += 1 if i % 10 == 0 or i == len(self._target_url): # 每個進程分配十個任務 if self._mode == "2": pool.apply_async(self._sub_multithreading, kwds=target_list) # 使用多線程驅動方法 else: pool.apply_async(self._sub_coroutine, kwds=target_list) # 使用協程驅動方法 target_list = {} pool.close() # join函數等待所有子進程結束 pool.join() # 調用join之前,先調用close函數,否則會出錯。執行完close后不會有新的進程加入到pool while True: if self._judge_over(): self._combine() break def _sub_multithreading(self, **kwargs): for path, url in kwargs.items(): # 根據進程任務開啟線程 t = threading.Thread(target=self._download, args=(path, url,)) t.start() @retry() def _download(self, path, url): # 同步下載方法 with requests.get(url, headers=self._headers) as r: if r.status_code == 200: with open(self._path + path, "wb")as file: file.write(r.content) self._ml.append(0) # 每成功一個就往進程通信列表增加一個值 percent = '%.2f' % (len(self._ml) / self._target_num * 100) print(len(self._ml), ": ", path, "->OK", "\tcomplete:", percent, "%") # 顯示下載進度 else: print(path, r.status_code, r.reason) def _sub_coroutine(self, **kwargs): tasks = [] for path, url in kwargs.items(): # 根據進程任務創建協程任務列表 tasks.append(asyncio.ensure_future(self._async_download(path, url))) loop = asyncio.get_event_loop() # 創建異步事件循環 loop.run_until_complete(asyncio.wait(tasks)) # 注冊任務列表 async def _async_download(self, path, url): # 異步下載方法 async with aiohttp.ClientSession() as session: async with session.get(url, headers=self._headers) as resp: try: assert resp.status == 200, "E" # 斷言狀態碼為200,否則拋異常,觸發重試裝飾器 with open(self._path + path, "wb")as file: file.write(await resp.read()) except Exception as e: print(e) else: self._ml.append(0) # 每成功一個就往進程通信列表增加一個值 percent = '%.2f' % (len(self._ml) / self._target_num * 100) print(len(self._ml), ": ", path, "->OK", "\tcomplete:", percent, "%") # 顯示下載進度 def _combine(self): # 組合資源方法 try: print("開始組合資源...") identification = str(floor(time.time())) exec_str = r'copy /b "' + self._path + r'*.ts" "' + self._path + 'video' + identification + '.mp4"' os.system(exec_str) # 使用cmd命令將資源整合 exec_str = r'del "' + self._path + r'*.ts"' os.system(exec_str) # 刪除原來的文件 except: print("資源組合失敗") else: print("資源組合成功!") def _judge_over(self): # 判斷是否全部下載完成 if len(self._ml) == len(self._target_url): return True return False @time_statistics def app(): multiprocessing.freeze_support() url = input("輸入嗅探網址:\n") m3u8 = M3U8Download() m3u8.sniffing(url) # m3u8.analysis(url) if __name__ == "__main__": app()
這里是兩個裝飾器的實現:
import time def time_statistics(fun): def function_timer(*args, **kwargs): t0 = time.time() result = fun(*args, **kwargs) t1 = time.time() print("Total time running %s: %s seconds" % (fun.__name__, str(t1 - t0))) return result return function_timer def retry(retries=3): def _retry(fun): def wrapper(*args, **kwargs): for _ in range(retries): try: return fun(*args, **kwargs) except Exception as e: print("@", fun.__name__, "->", e) return wrapper return _retry
打包成exe文件
使用PyInstaller -F download.py將程序打包成單個可執行文件.
這里需要注意一下,因為程序含有多進程,需要在執行前加一句multiprocessing.freeze_support(),不然程序會反復執行多進程前的功能.
關于協程
協程在Python3.5進化到了async await版本,用 async 標記異步方法,在異步方法里對耗時操作使用await標記.這里使用了一個進程驅動協程的方法,在進程池創建多個協程任務,使用asyncio.get_event_loop()創建協程事件循環,使用run_until_complete()注冊協程任務,asyncio.wait()方法接收一個任務列表進行協程注冊.
關于裝飾器
裝飾器源于閉包原理,這里使用了兩種裝飾器.
關于CMD控制臺
程序會使用CMD命令來將下載的ts文件合并.
因為CMD默認使用GB2312編碼,調用os.system()需要先切換成通用的UTF-8輸出,否則系統信息會亂碼.
而且使用cmd命令時參數最好加雙引號,以避免特殊符號報錯.
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持億速云。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。