极客学院职业路径图课程视频下载-爬虫

一、序言

　　最近看了极客学院的视频教程，相当不错，渴望把视频下载到本地。手动下载耗时耗力，因而决定研究一番，写一程序自动下载，终于小有成果！有图为证：

二、技术难点

　　既然要实现自动下载，免不了要爬取极客学院的页面获取视频地址。经尝试，可以发现大部分视频观看是需要登录，并且是会员。于是所要解决的要点有：

　　1、拥有会员

　　2、模拟登录

　　3、解析html

　　4、继续下载（可能出现异常情况下）

三、实现

　　（1）、要获取极客学院会员相当简单（如果已经是会员用户，可跳过此步骤），利用邀请好友获取30天体验，如下图：（30天足够把所有的视频下载完毕）

　　（2）、会员问题解决了，最大的难点就是模拟登录了。细心的人就会发现，极客学院提供了一个ajax方式登录的接口！如下图：

　　当我们点击登录的时候，会发起一个ajax请求，通过抓包工具，我们可以获取到登录地址：http://passport.jikexueyuan.com/submit/login?is_ajax=1，验证码地址：http://passport.jikexueyuan.com/sso/verify

　　“万事俱备只欠东风”，地址都知道了，还怕登录不了么？如下是本人最终实现登录效果：

 1 /// <summary>
 2 /// 获取验证码
 3 /// </summary>
 4 void GetVerifyCode()
 5 {
 6     VerifyCode.Source = null;
 7 
 8     // 1. 先请求登录地址，获取到当前用户的会话cookie
 9     HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter
10     {
11         IsPost = false,
12         Url = "http://passport.jikexueyuan.com/sso/login"
13     });
14     SessionCookie = responseParameter.Cookie;
15 
16     // 2.带上会话cookie请求验证码图片（保证是当前用户）
17     HttpProvider.Excute(new HttpRequestParameter
18     {
19         Url = string.Format("http://passport.jikexueyuan.com/sso/verify?t={0}", DateTime.Now.ToString("yyyyMMddHHmmsss")),
20         Cookie = SessionCookie,
21         ResponseEnum = HttpResponseEnum.Stream,
22         StreamAction = x =>
23         {
24             MemoryStream ms = new MemoryStream();
25             byte[] buffer = new byte[1024];
26             while (true)
27             {
28                 int sz = x.Read(buffer, 0, buffer.Length);
29                 if (sz == 0) break;
30                 ms.Write(buffer, 0, sz);
31             }
32             ms.Position = 0;
33 
34             BitmapImage bmp = new BitmapImage();
35             bmp.BeginInit();
36             bmp.StreamSource = new MemoryStream(ms.ToArray());
37             bmp.EndInit();
38 
39             VerifyCode.Source = bmp;
40 
41             ms.Close();
42         }
43     });
44 }

获取验证码

 1 /// <summary>
 2 /// 登录方法
 3 /// </summary>
 4 /// <param name="userName">账号</param>
 5 /// <param name="userPwd">密码</param>
 6 /// <param name="verifyCode">验证码</param>
 7 void LoginDo(string userName, string userPwd, string verifyCode)
 8 {
 9     // 1.登录
10     IDictionary<string, string> postData = new Dictionary<string, string>();
11     postData.Add("referer", HttpUtility.UrlEncode("http://www.jikexueyuan.com/"));
12     postData.Add("uname", userName);
13     postData.Add("password", userPwd);
14     postData.Add("is_ajax", "1");
15     postData.Add("verify", verifyCode);
16     HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter
17     {
18         Url = "http://passport.jikexueyuan.com/submit/login?is_ajax=1",
19         IsPost = true,
20         Parameters = postData,
21         Cookie = SessionCookie
22     });
23 
24     LoginResultEntity loginResult = responseParameter.Body.DeserializeObject<LoginResultEntity>();
25     if (loginResult.status == 1)
26     {
27         // 2.登录成功，保存cookie
28         CookieStoreInstance.CurrentCookie = responseParameter.Cookie;
29     }
30 
31     //MessageBox.Show(string.Format("body={0},cookie={1}", Unicode2String(responseParameter.Body),
32     //    responseParameter.Cookie.CookieString));
33 }

登录代码

　　流程说明：先访问极客学院任意页面（这里已首页为例，），获取到当前的用户访问的会话cookie（这里还是未登录的cookie），然后拉取验证码，封装数据发起登录请求。把登录成功后的cooki保存在本地文件或全局变量中（本例使用），以备下载视频使用。

　　（3）登录成功后，接下来就是获取视频下载地址。这里以http://www.jikexueyuan.com/course/360.html这个地址为例。访问这个地址如下图

　　查看源代码，我们会发现一段惊奇的代码：<source src=”http://cv4.jikexueyuan.com/ae892b3b4a8c63fa579af4d2c6f6bb03/201512151558/csharp/course_360/01/video/c360b_01_h264_sd_960_540.mp4” type=”video/mp4″ />，其中src地址就是我们所需的视频地址（必须登录才有这段代码）。因此应该先解析此页面，获取课时列表的链接。然后一个一个遍历发起Http请求（注意带cookie）获取视频地址，然后下载保存到本地。

 1 public List<LessonEntity> GetLessonEntities(string url, HttpCookieType sessionCookie)
 2 {
 3     // 请求课时列表，解析html源码，并提取课时 信息和链接
 4     HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter()
 5     {
 6         IsPost = false,
 7         Url = url,
 8         Encoding = Encoding.UTF8,
 9         Cookie = sessionCookie
10     });
11 
12     List<LessonEntity> results = new List<LessonEntity>();
13 
14     HtmlDocument htmlDocument = new HtmlDocument();
15     htmlDocument.LoadHtml(responseParameter.Body);
16     HtmlNode rootNode = htmlDocument.DocumentNode;
17     HtmlNodeCollection lessonNodes = rootNode.SelectNodes("//div[@id=\"pager\"]/div[3]/div[2]/div[2]/ul/li");
18     foreach (HtmlNode lessonNode in lessonNodes)
19     {
20         HtmlNode aNode = lessonNode.SelectSingleNode("div[1]/h2[1]/a[1]");
21         if (aNode != null)
22         {
23             results.Add(new LessonEntity
24             {
25                 Title = aNode.InnerText.Trim(),
26                 Href = aNode.GetAttributeValue("href", string.Empty)
27             });
28         }
29     }
30 
31     return results;
32 }

获取课时列表

public string GetVideoUrl(string url, HttpCookieType sessionCookie)
{
    HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter
    {
        Url = url,
        Cookie = sessionCookie
    });
    // 正则提前视频文件 地址
    string result = Regex.Match(responseParameter.Body, "<source.*src=\"(.+?\").*/>").Groups[1].Value.Replace("\"", string.Empty);
    sessionCookie = responseParameter.Cookie;
    return result;
}

获取视频地址

public void DownloadVideo(string filePath, string url, HttpCookieType sessionCookie, Action action = null)
{
    string folder = Path.GetDirectoryName(filePath);
    if (!string.IsNullOrEmpty(folder) && !Directory.Exists(folder))
    {
        // 如果目录文件夹不存在， 则创建
        Directory.CreateDirectory(folder);
    }
    if (action != null)
    {
        action();
    }

    HttpProvider.Excute(new HttpRequestParameter
    {
        Url = url,
        ResponseEnum = HttpResponseEnum.Stream,
        Cookie = sessionCookie,
        StreamAction = x =>
        {
            NetExtensions.WriteFile(filePath, x);
        }
    });

    //WebClient webClient = new WebClient();
    //webClient.DownloadFile(new Uri(url, UriKind.RelativeOrAbsolute), filePath);
}

下载视频

 1 public void DownloadCode(string filePath, string courseId, HttpCookieType sessionCookie)
 2 {
 3     if (File.Exists(filePath)) return;
 4 
 5     HttpResponseParameter responseParameter = HttpProvider.Excute(new HttpRequestParameter
 6     {
 7         Url = string.Format("http://www.jikexueyuan.com/course/downloadRes?course_id={0}", courseId),
 8         Cookie = sessionCookie
 9     });
10     CodeDownloadResultEntity result = responseParameter.Body.DeserializeObject<CodeDownloadResultEntity>();
11     if (result.code == 200)
12     {
13         string folder = Path.GetDirectoryName(filePath);
14         if (!string.IsNullOrEmpty(folder) && !Directory.Exists(folder))
15         {
16             // 如果目录文件夹不存在， 则创建
17             Directory.CreateDirectory(folder);
18         }
19 
20         WebClient webClient = new WebClient();
21         webClient.DownloadFile(new Uri(result.data.url, UriKind.RelativeOrAbsolute), filePath);
22     }
23 }