Python 爬虫：通过 JS 逆向获取视频平台 m3u8 链接

1. 前言

网页端视频的前端实现原理主要有两种：一是直接提供 mp4 等视频链接，可直接下载；二是返回 m3u8 等文件类型，需进一步处理才能获取视频文件。针对某些无广告但加密复杂的视频平台，需要通过分析接口参数来获取 m3u8 链接。

2. JS 逆向分析

获取 m3u8 链接的前提是解析接口中的加密参数。这些参数通常经过严格加密处理。

主要涉及红框内的两个参数值，通过 JS 逆向分析可定位到具体逻辑。

由于加密逻辑较为复杂，此处简化讲解。使用 Python 模拟加密后组合链接，请求接口可获得如下数据：

在 JSON 数据中找到 m3u8 链接所需参数，再次模拟加密并组合，即可得到最终 m3u8 链接。

Python 模拟

部分参数随机化导致链接不同，但均可正常访问。

3. 参考代码和运行结果

import execjs
import requests
from crawlers.userAgent import useragent
import json
from lxml import etree

obj = {
    "webSite": "ppVideo_PC_site",
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : ,
    : {
        : ,
        : ,
        : 
    },
    : ,
    : ,
    : 
}

u = useragent()
html_url = ()
rsp2 = requests.get(url=html_url, headers={: u.getUserAgent()})
html = etree.HTML(rsp2.text)
_json_data = html.xpath()[-]
_json_data = _json_data[_json_data.find()+:_json_data.rfind()].strip()
_map_data = json.loads(_json_data)
cid = _map_data[]

 (file=, mode=, encoding=)  f:
    _js_str = f.read()
ctx = execjs.(_js_str)
url = ctx.call(, cid, obj)

rsp = requests.get(url=, headers={: u.getUserAgent()})
_res_str = rsp.text
_res_str = _res_str[_res_str.find()+:_res_str.rfind()]
_ = json.loads(_res_str)
items = _[][][][][][]

 (file=, mode=, encoding=)  f:
    _js_str2 = f.read()
ctx2 = execjs.(_js_str2)

 e  items:
    rid = e[]
    v_id = rid[:rid.rfind()]
    e_obj = e[]
    flag, bh, id_val, sh, iv, st, key = e_obj[], e_obj[], e_obj[], e_obj[], e_obj[], e_obj[], e_obj[][]
    params = ctx2.call(, flag, bh, id_val, sh, iv, st, key)
    (e[], .(v_id, params))