Bilibili视频封面获取艰辛之路

1.石原里美的锅

话说近日日本女星石原里美在网上很火，大有与我家Gakki分庭抗礼之势。本着知己知彼百战百胜的原则，我打开B站搜索石原里美，结果如下：

image

然后目光尖锐的我看到一个封面看起来挺不错的视频

image

打开之后完全没有封面额影子，于是熟练地打开F12和F5，很容易地拿到了视频封面地址：

image

于是打算写一个获取B站视频封面的Python脚本。

2.B站的深坑

经过上面的分析，思路就有了：

1.用requests模块获取网页源代码

2.用正则表达式匹配https://i0.hdslb.com/bfs/archive/****.jpg

3.用urllib模块的urllib.request.urlretrieve保存文件

看起来思路清晰，很开心，于是打开VSCode开整。

找了另一个看起来封面好好看的视频：

image

脚本运行出现错误

Traceback (most recent call last):
  File "a.py", line 34, in <module>
    real_img_url = 'http:'+str(img_url[0])
IndexError: list index out of range

看起来是正则表达式匹配出错，于是打开网页源代码，发现了原因：

image

文件的拓展名是.png，果然很神奇，于是修改一下正则表达式：

img_url = re.findall(r'//i0.hdslb.com/bfs/archive/[0-9a-zA-Z\.]+', html.text)

试了一下果然成功了。

然后我就发现这俩视频竟然是同一个UP主投的稿，哇良心UP主啊，打开他的主页，发现了另一个视频

image

果断拿到神秘代码av20252181试一下，然鹅：

image

心中说了一句mmp，然后默默打开网页按F12和F5，没找到。。。

于是又打开网页源代码，CTRL+F查一下i0.hdslb.com/bfs/archive，没有任何结果。。。

就在我想要放弃的时候，突然想到酷安有很多获取B站封面视频的软件，心想给手机抓个包美滋滋，然鹅：

image image image

mmpB站还我石原里美

绝望之际，心想私聊UP主要封面照片吧（2333），好吧其实我打开源代码，搜一下hdslb.com/bfs/archive，妈耶竟然搜到了一个看起来特别像的

image

打开链接，竟然成功了。。。

仔细一看，图片域名开头是i1而不是i0

修改正则表达式为：

img_url = re.findall(r'//i[0-9].hdslb.com/bfs/archive/[0-9a-zA-Z\.]+', html.text)

然后测试:

image

奉上原图：

image

除了上面说的那一大堆还遇到了headers、cookie等一堆问题，还好都解决了。

下面奉上源代码：

import requests
import re
import urllib.request

header = {
    'Cache-Control':
    'no-cache, must-revalidate, max-age=0, no-store',
    'Connection':
    'keep-alive',
    'Content-Encoding':
    'gzip',
    'Content-Type':
    'text/html; charset=UTF-8',
    'Date':
    'Sun, 04 Mar 2018 14:39:00 GMT',
    'Expires':
    'Thu, 31 Dec 1997 23:55:55 GMT',
    'Pragma':
    'no-cache',
    'Server':
    'Tengine',
    'Transfer-Encoding':
    'chunked',
    'X-Account-Via':
    'HIT from shd-app-3',
    'X-Cache':
    'MISS from cn-zjwz3-dx-w-03.hdslb.com',
    'X-TKID':
    '152016926293028483424',
    'Accept':    'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
    'Accept-Encoding':
    'gzip, deflate, br',
    'Accept-Language':
    'zh-CN,zh;q=0.9',
    'Cache-Control':
    'max-age=0',
    'Connection':
    'keep-alive',
    'Cookie':
    '填你自己的cookie',
    'Host':
    'www.bilibili.com',
    'Referer':
    'https://passport.bilibili.com/login',
    'Upgrade-Insecure-Requests':
    '1',
    'User-Agent':
    'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36'
}

url = 'http://www.bilibili.com/'
av_num = input('请输入B站AV号：')
testurl = url + str(av_num)
html = requests.get(testurl,headers=header)
img_url = re.findall(r'//i[0-9].hdslb.com/bfs/archive/[0-9a-zA-Z\.]+', html.text)
#print(img_url)
try:
    real_img_url = 'http:'+str(img_url[0])
    urllib.request.urlretrieve(real_img_url, 'C:/Users/18337/Desktop/'+str(av_num)+'.jpg')
    print(str(av_num)+'视频封面保存成功')
except IndexError as e:
    print('未知错误:'+str(e))
    exit()
finally:
    pass

折腾了一晚上又到了凌晨，此时此刻，我的感受就是：

石原小姐姐真好看呀！

Python小白一枚，自娱自乐，大神勿喷，手动/doge

欢迎评论、私信、来呀一起tree new bee呀~~

欢迎关注微博：@_刘点石