【jsoup爬虫3】用jsoup来实现简单的java爬虫-视频篇

继上篇的图片篇（http://blog.csdn.net/suqi356/article/details/78579167）和文字篇（http://blog.csdn.net/suqi356/article/details/78547137）后，我们今天来讲讲视频，这里主要是对视频的地址抓包为主，其次利用jsoup获取地址，然后利用JAVA的IO技术来下载处理视频就可以了。

这里使用的Fiddler，这个在第二讲的图片篇里介绍过，这里还是继续拿CSDN微信公众号推荐的那篇python 3简单入门爬虫（http://mp.weixin.qq.com/s/lGenb6F-r8YyoE2ZO0cVSw）里的视频来讲一下Fiddler。

爱奇艺的VIP视频只有会员能看，普通用户只能看前6分钟。比如加勒比海盗5的URL：http://www.iqiyi.com/v_19rr7qhfg0.html#vfrm=19-9-0-1

我们怎么免费看VIP视频呢？一个简单的方法，就是通过旋风视频VIP解析网站。URL：http://api.xfsub.com/

这个网站为我们提供了免费的视频解析，它的通用解析方式是：

http://api.xfsub.com/index.php?url=[播放地址或视频id]

比如

http://api.xfsub.com/index.php?url=http://www.iqiyi.com/v_19rr7qhfg0.html#vfrm=19-9-0-1

我们现在用Fidder来抓包处理：

先访问你需要的解析地址，然后利用Fidder同步抓包

我们可以看到，有用的请求并不多，我们逐条分析。看到一个POST的请求里面有个字段比较怪。



这个POST请求有四个参数，分别为time、key、url、type。记住这个有用的信息，我们在抓包结果中，找一下这个请求，看看这个POST请求做了什么。



很显然，这个就是我们要找的POST请求，我们可以看到POST请求的参数以及返回的json格式的数据。其中url存放的参数如下

xfsub_api\/url.php?key=b84da86e6fff5deedf866c4cbd632eb4&time=1510818645&url=http%3A%2F%2Fwww.iqiyi.com%2Fv_19rr7qhfg0.html&type=iqiyi&xml=1

把里面的转义符改一下，再加上这个网站的头地址，出现如下：

http://api.xfsub.com/xfsub_api/url.php?key=b84da86e6fff5deedf866c4cbd632eb4&time=1510818645&url=http://www.iqiyi.com/v_19rr7qhfg0.html&type=&xml=1

我们来访问一下这个地址，发现



有个video下的file标签里有个地址，那我们在看看这个地址是不是影片存放的真实地址呢？拿出来在访问一下。



发现果真如此，那么这个地址就是真实地址了，我们既然已经分析到真实地址了，那我们的代码就好写了，我们的IO下载也方便了。

附一个简单的代码：

public static void get_html(String headurl , String url) {
String urls = headurl+url;
Map<String, Object> map = new HashMap<String, Object>();
try {
Document doc = Jsoup.connect(urls)
.userAgent("Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; MALC)")
.timeout(999999999)
.header("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8")
.header("Accept-Encoding", "gzip, deflate")
.header("Accept-Language", "zh-cn,zh;q=0.8,en-us;q=0.5,en;q=0.3")
.header("Connection", "keep-alive")
.header("Host", "www.xfsub.com")
.header("Referer", "http://api.xfsub.com/")
//是忽略请求类型
.ignoreContentType(true)
.get();
Elements elements = doc.getElementsByTag("script").eq(5);
for (Element element : elements) {
String[] data = element.data().toString().split("function");
for (String variable : data) {
if (variable.contains("url.php")) {
String[] variables = variable.toString().split("hp\",");
for (String str : variables) {
if (str.contains("time") || str.contains("key")) {
String strs = str.substring(2, str.length()-8);
String[] kvp = strs.split(",");
for(String value: kvp){
String[] values = value.split("\"");
map.put(values[1].trim(), values[3].trim());
}
}
}
}
}
}
String openUrl =
"http://api.xfsub.com/xfsub_api/url.php?key="+map.get("key")+"&time="+map.get("time")+"&url="+url+"&type=&xml=1";
Document docs = Jsoup.connect(openUrl)
.userAgent("Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; MALC)")
.timeout(999999999)
.header("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8")
.header("Accept-Encoding", "gzip, deflate")
.header("Accept-Language", "zh-cn,zh;q=0.8,en-us;q=0.5,en;q=0.3")
.header("Connection", "keep-alive")
.header("Host", "www.xfsub.com")
.header("Referer", urls)
//是忽略请求类型
.ignoreContentType(true)
.get();
System.out.println(docs);

} catch (Exception e) {
e.printStackTrace();
}
}

public static void main(String[] args) throws Exception {
String headurl = "http://api.xfsub.com/xfsub_api/?url=";
String url="http://www.iqiyi.com/v_19rr7qhfg0.html#vfrm=19-9-0-1";
get_html(headurl , url);
}