[原创工具][开源]斗鱼／虎牙／B站直播源获取分析（内附零基础也能看得懂的实现思路以及成品下载）

v1.1.1 2020.4.20 新增了批量获取直播源的功能

播放器没什么好说的，我也是用的PotPlayer。 虽然作者吃相，额，有些不雅（这人已经被钉在开源界的耻辱柱上了，前略，天国的KMPlayer），不过近几年的PotPlayer对一般群众来说，各方面综合是最好用的（至少比大部分内置播放器好用吧）。 如果你是爱好影音播放的发烧友，「VLC天下第一」「MPC-HC是天」之类一套一套的肯定比我懂得多，也没必要搁这听我这个半吊子吹牛批。

重点就在直播源上了。

斗鱼

十分感谢 「lyntal分享的现成接口」和「西恩赛斯提供的斗鱼解析API」免去了我再写一遍爬虫的工作，虽然写轮子很爽，但重复劳动太多就不爽了 以及「【直播源综合教程】斗鱼直播真实地址解析，直播源抓取方法，自抓直播源分享长期有效」一文详细解释了斗鱼长期直播源的解析方式

首先我们访问获得json格式的解析结果，如果房间未开播则返回：

本文大部分代码为了方便阅读已做格式化处理，可能与原始数据有出入，下同。

得，不用抓取了，抓了无法播放也没用。

如果房间是正常直播状态，则返回（用杨树直播间举个例子）：

这段有点长，格式化后用图片展示： 原数据中的中文是unicode编码，图中是转码后的结果。

可以看到包括主播名字/头像、直播间名字/公告/即时画面等信息。 我们需要的只是这个字段的值，在本例中，就是

这个url（我这里贴出来的是转义后的结果，所以没有反斜杠了），就是时间加密后的临时直播源。 我们要做的是把他做成——不敢说永久——至少长期有效的直播源，免得没看一会又要重新抓取。

1. 首先把（不一定是这个，也可能是或者别的什么，总之换掉它）这个加密后的二级域名替换成斗鱼的真实cdn域名
2. 找到这个字段，截断它，后面是根据时间加密的参数，全部删掉
3. 是清晰度设置，2200年了，还有谁家是4M小水管吗，没有吗，没有那就看原画，删掉它

长期直播源get。

现在回顾一下，我们做了什么？ 其实就是把中间这段取出来，前面加上，后面加，拿直播源，就这么简单。（当然是建立在前人的成果上，再次感谢西恩赛斯提供的接口和zhmxubing提供的解析思路） 需要特别注意的一点，最后拿到的网址一定是HTTP而不是HTTPS协议。（只有B站的直播源是HTTPS，有钱就是可以为所欲为）

虎牙

十分感谢 「虎牙直播源提取/分类/可选清晰度/开源[更新] 」提供的思路（.e源码是二进制真的秀，为了看源码我还专门装了易语言5.8，进去一堆箭头把我看傻了） 然后我照着在服务器上用PHP实现了一遍，这里贴出来，有兴趣自行查看，没兴趣请跳过这段代码往下看，后来我找到了一种更便捷的方法。

十分感谢 「real-url」和「live-real-url」两个开源项目提供的更为便捷的思路

两个项目关于获取虎牙直播源的逻辑非常近似，可以视为同一种思路。 我们先看Python版：

再看JAVA版：

同样都是利用伪装手机去访问手机版虎牙，然后正则匹配这个字段的值，不用费老半天劲再组装，匹配出来直接就是直播源。 而且我猜测手机版页面应该是比电脑版要小的，那就相当于提高了处理效率，减少了响应时间。 提升的这部分也许没办法直观感受到，但打个比方，现在是爬一个直播源，假如我们要爬某个分区前一百个直播源呢，两百个呢，所有分区呢？

当然前一种思路我亲手测试也是可行的，解题思路永远不嫌少，这个方法在这里不是最优解，换个问题未必也不是。

Bilibili

B站的直播源就很神奇了，抓取难度处于困难和简单的叠加态。为什么这么说？

假如现在你就是爬虫（人形爬虫，听起来很好ch 可怕的样子），虽然你没有任何编程基础，你要做的是： （不必照着做，如果只是想要B站直播源，后面有更简单的方式，这里是介绍一种比较通用的、手动获取直播源的方式）

1. 打开你要抓取直播源的直播间
2. F12打开「开发者工具」
3. 切到「Network」标签
4. 看到左上角的红点了吗，不是它，它的右边有个「Clear」按钮，点一下清空之前记录的数据
5. F5刷新
6. 等待10s左右，直到时间轴图像里有「长长的一条蓝线贯通左右」
7. 拖动鼠标选中一段「只有这条蓝线」的区域
8. 下面出现数个XHR，不用在意XHR是什么，滚轮滚到最上面，有一个开头的
9. 点击它，弹出详情，你第一眼看到的，也就是「Header」标签的「General」项的「Request URL」，内容类似
10. 只取这一段，在前面加，后面加，完成

很简单吧。

现在换成服务器自动化流程。 我做不到。

故技重施，curl直播间页面，B站只会给「出错了」的提示页面。 使用B站的官方接口，获取开播状态没什么问题，但是，两个接口获取到的（直播源）都是。 header改了个遍，改成手机，改成正经浏览器，因为本地的postman都能拿到数据我甚至假装过postman。 当然IP和来源都伪装过了，但就是拿不到，这玩意debug都很难找到方向。 不太清楚B站的反爬在业界内算不算强的，不过打我这个菜鸡是绰绰有余了。 所以目前我自己的API没有实现b站的直播源。 查了很多资料得知大概率是IP问题，因为一些国外IP也是同样的情况（拿不到durl这个字段）。 所以也许不是反爬有多厉害，是IP黑名单强？ 我的腾讯云装的windows，于是我把脚本拿去服务器上简单试了一下。 同一时间同一直播间，本地没有任何问题，服务器上的会卡在某个阶段，具体哪个步骤懒得debug了。 我的网站放在阿里云，刚刚说过了也取不到关键值。 初步猜测重要数据接口把来自主流机房的IP的拉黑了，这部分有空我会持续跟进。 虽然我买不起群晖，但我可以把吃灰的树莓派翻出来啊。 实在没办法了，老老实实上代{过}{滤}理IP池也不是不行。 只要你有一颗爱折腾的心，办法总比困难多。 说话回来，这样大家对「大型爬虫为什么都要上分布式」也有一个形象的认识了，一是提高负载能力，二是反反爬。

当然我们本地PC，家用的宽带，本地的软件，这样的情况直接从B站官方接口拿数据是没问题的。 访问，返回的json->data->live_status就是当前直播状态，1开播0没有，我们叫它接口1。 访问，返回的json->data->durl就是各个画质的直播源，我们叫它接口2。 访问，可以看到返回的json->data里既有这个字段，还有个字段，也在这个里面，我们叫它接口3。 对比三个接口的数据，我们很容易就能得出「接口3」就是「接口1」+「接口2」的结论。 （其实从、、三个域名上就能初步猜测，不过大胆假设完还要小心求证嘛）

然后就看你的需求了，如果你只是想做一个开播提醒工具，tg机器人也好，qq机器人也好，微信公众号也好，邮件也好甚至短信也好，使用接口1就行了（反正接口2、3也没有更多的直播间标题等信息，还是要继续找其他接口）。

如果你想做一个开播查询工具，开播了就放没播就提示的话，用接口3避免了两次请求两个接口的繁琐步骤。

如果你只是单纯的想要直播源，打开浏览器访问接口2（），Ctrl + F 搜索，有四个结果（不用选，四个都是一样的），取到这一段，在前面加上，B站直播源get。 而且从「即使直播间没开播，接口2依然能够获取durl（接口3不行durl值为null）」这个现象来看，B站的直播源很可能是接近永久（没事不会变化）的长期直播源。 B站直播整活不太行，24小时直播的影视频道还是挺有价值的，当成没广告的电影台看没什么问题。而且类型相对集中，比方说你喜欢恐怖片，有些直播间就只放恐怖片。 电视剧、相声、电台同理，虽然不知道现在还有没有。

好了，三个直播站的直播源获取方式都介绍完了，那么有没有一个可以检测三个站开播状态，如果开播则返回直播源，并且既可以选择直接用指定的本地播放器播放，也可以选择将直播源生成asx文件的小工具呢？ 巧了，我这里还真有一个，免费（废话都开源了），安全可靠，兼容性强。

用powershell写的，只要你是win10，不需要安装任何依赖，点开就能跑。 本质是脚本文件，用编辑器打开就能看到所有源码，不放心的话用电子显微镜一行一行检查都行。

本来是纯命令行，想想都用powershell写了，不说上wpf，整两个对话框不过分吧。 写着写着发现本来就没几个的功能完全可以都搬到对话框里完成，用起来居然还意外的顺手（至少比命令行舒服多了）。

食用方法

具体的基本用法打开工具一看就懂，此处不再赘述。 （小工具虽然很简陋，也有勉强还算友好的用户界面。） 这里介绍一下进阶用法。

命令行

默认直播间

如果你觉得用命令行还是太麻烦的话可以配置默认直播间。 初次运行脚本后会生成配置文件，里面的标签里有对，在里面填上直播间地址之后，如果不带参数地打开程序，就会自动指定配置文件里的网址，而不必再手动输入。

缺点是目前只能指定一个，暂时没有做顺序列表的预定 site和room_id是为了以后扩展更方便的输入方式（比如只需要输直播间房间号）用的，现在没用 2020.2.10已更新v1.0.4

asx文件的玩法

asx其实就是一个功能特化的xml配置文件，它的默认打开方式是播放器，打开就会播放预先设定好的流媒体，乍一看非常神奇。 随便用什么文本编辑器打开这个文件，可以看到类似xml的结构，构成非常简单。 每个标签里面都是一个独立的流媒体源，是名字，里面是url，一看就明白。 所以你可以手动把改成你喜欢的名字，这样在播放器里哪个是哪个会更加一目了然。 另外同一个asx文件是可以包含若干个标签的，也就是说你可以手动编辑文件：

接下来只需要打开一个文件，所有流媒体源都被添加进来了，之后可以在播放器里选择播放哪个。 最后，asx文件和一切脚本文件一样，写好内容之后保存退出，把重命名成也能用。

下载方式

「蓝奏 密码52pojie」「度盘 提取码52pj」 「Github Repo Fragment」复制粘贴到本地新建文本文档，修改后缀名为.ps1即可

欢迎反映BUG或提出改进意见~

顺便提下用法，解压之后是.ps1文件（powershell脚本），win10当成exe直接执行就行 控制台和提示框都是中文，输出信息也尽量详尽，我实在不知道还要怎么说明了……

顺手编译了个exe版，因为编译后控制台输出中文乱码，暂时没找到解决方案，所以控制台没有输出 而且不会创建配置文件，所以会缺失部分进阶功能（好像对用不到进阶的用户来说反而更好了？） 仍然推荐ps1版，毕竟如果没有逆向基础，我在exe里塞了什么东西你也不知道 随便用个文本编辑器打开就看得到源码的东西用起来也更放心不是？

Tips： Q：我不需要原画，我就是喜欢2000/4000（码率？）画质，行不行？ A：行，这一段可以保留，也可以自行替换成（大概代表蓝光4M？）。 Q：一定要改成格式才可以吗？ A：不是，它不是格不格式的问题，它真的是那种 它本质就是一个url，你把它看成一个网址，这个网址一直在推送视频流数据出来。现在我们拿个桶来接水，你用不一样的水龙头，它出来的水会不一样吗。你想改成也好，就不动也罢，水源已经找到了，想怎么接水你高兴就好。 Q：好乱啊，这么多启动方式如果同时使用，到底谁先谁后？ A：优先级从上至下：使用命令行参数启动，配置文件设置了default->url，启动时剪切板有合法的直播间地址，配置文件同时设置了default->site/room_id，前面说的都没有直接启动才会弹出输入框要求输入。

更新日志

2020.1.31 更新v1.0.3

• [新增]如果剪切板已有直播间地址，则打开工具后不再询问直接使用该地址进行解析
• [修复]某些斗鱼直播间去掉清晰度后缀后会无法播放，因此获取到的斗鱼直播源统一加上的清晰度后缀
• [优化]优化了提取直播间房间号的正则表达式
• [优化]优化了部分判断逻辑 重命名部分函数使得含义更易理解
• [优化]获取到的网页对象不再解析DOM树以提高运行效率（感谢strmoon的建议）

2020.2.10 更新v1.0.4

• [新增]如果配置文件设定了直播站，可以直接输入房间号进行解析；如果配置文件同时设定了直播站和房间号，则直接进行解析
• [新增]支持了网易cc的临时直播源，感谢「天川天音的提议」和「网易CC直播源抓取分析过程」一文提供的思路
• [修复]以各种方式启动后的直播间地址部分处理逻辑错误

2020.3.5 更新v1.0.5

• [修复]虎牙直播源失效

2020.3.26 更新v1.0.6

• [修复]顺手修复了之前有人提过的无法识别带空格的播放器路径（like ）的bug，这个确实蛮蠢的
• 今天整理仓库顺便加的就不更新了，日后有重要修复或新功能再更新

2020.4.6 重构v1.1.0

• 重构了整个脚本
• [新增]现在可以设置成功获取直播源之后的默认行为了
• [修复]重写了正则来优化输入校验逻辑 修复了以前解析后的url带直播站关键字会被错误地识别为直播间的问题
• [优化]配置文件格式从臃肿的xml替换为简洁易懂的json
• [优化]优化了读取输入的直播间优先级顺序 以期更符合常识逻辑
• [优化]所有信息以utf8直接输出 不再做任何转换
• [优化]容错处理 取消了侵入式的也许会令人迷惑的提示框 以期些许提升用户体验（现在只要弹框就是获取成功了 不成功不弹框）

2020.4.20 更新v1.1.1

• [新增]tan01建议的功能：支持自定义和保存直播间信息和直播源（并且是批量） 原因是我觉得自己玩还行，看直播的话帝国时代2的直播效果对我来说没那么好，所以树哥挨打的时候就换频道到杰哥。 来回切并不麻烦，把想切的几个asx文件一起拖进播放器的播放列表就好，但问题是即时更新直播源和直播状态。 只有两三个房间还好，如果多看几个更新还是挺麻烦的，就把这个功能写出来了，相当于实现了批量获取直播源。  

本文地址：http://syank.xrbh.cn/quote/7591.html    迅博思语资讯 http://syank.xrbh.cn/ , 查看更多