使用 cURL 函式下載B站字幕

ajiang02發表於2020-11-09

B站測試視訊地址：https://m.bilibili.com/video/BV1Dk4y1q781
程式碼我已經放上 Github，使用的是tp6框架，README.md中也有詳細的流程說明。下載程式碼後可執行http://伺服器/index/index?bvid=BV1Dk4y1q781&start=0&end=29即可檢視效果。
程式碼中 cURL 用到的 $header 請求頭來自 Chrome，如圖：

/**
 * 獲取視訊資料 cid、page、part、aid
 *
 * @param string $bvid 視訊的BV號
 * @throws \Exception
 */
public function getPageData($bvid)
{
    $url = "https://www.bilibili.com/video/" . $bvid;

    // 設定 http 的請求頭
    $header = [
        "authority: www.bilibili.com",
        "cache-control: max-age=0",
        'sec-ch-ua: "Chromium";v="86", "\"Not\\A;Brand";v="99", "Google Chrome";v="86"',
        'sec-ch-ua-mobile: ?0',
        'upgrade-insecure-requests: 1',
        'user-agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.183 Safari/537.36',
        'accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
        'sec-fetch-site: same-origin',
        'sec-fetch-mode: navigate',
        'sec-fetch-user: ?1',
        'sec-fetch-dest: document',
        'accept-language: zh-CN,zh;q=0.9,en;q=0.8',
        'cookie: finger=1295565314; bsource=search_google; _uuid=B789D864-3818-3B60-C60C-40572299324578222infoc; buvid3=43FE4003-58BE-4DFF-9EC9-D2673FBE9672138377infoc; CURRENT_FNVAL=80; blackside_state=1; sid=j0093qgz; finger=1295565314; PVID=3; rpdid=|(umR~Yuk~)k0J\'uY|RRYu)~Y'
    ];

    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);    // 返回 html
    curl_setopt($ch, CURLOPT_HTTPHEADER, $header);  // 設定 http 請求頭
    curl_setopt($ch, CURLOPT_ENCODING, '');         // 解決亂碼
    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, 0);    // https 需要加這句
    curl_setopt($ch, CURLOPT_SSL_VERIFYSTATUS, 0);  // https 需要加這句
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true); // 允許重定向
    $content = curl_exec($ch);
    curl_close($ch);

    //        //將首頁html儲存成檔案
    //        $fp = fopen(app()->getRootPath().'view/pages.html','w');
    //        fwrite($fp,$content);
    //        fclose($fp);

    // 獲取視訊資料
    $pagesData = $this->logic->getPagesJsonData($content);

    if ($pagesData['code'] == 500) throw new \Exception($pagesData['msg']);
    return $pagesData['data'];
}

把“首頁html儲存成檔案”這段程式碼的註釋刪掉，執行程式後就可以在根目錄/view/pages.html檢視 cURL 返回的內容。
在 pages.html 搜尋<script>window.__INITIAL_STATE__可以看到我們要用正規表示式匹配的資料在這個<script>標籤內。

呼叫getPagesJsonData()用正規表示式獲取視訊的 aid、pages(含有part、cid、page)，程式碼如下所示：

/**
* 根據首頁 html 匹配獲取到所有子視訊的資料
*
* @param $content string 根目錄/view/index.html
* @return array|\think\response\Json
*/
public function getPagesJsonData(string $content)
{
 if (empty($content)) return ['code' => 500, 'msg' => '沒有需要解析的內容'];

 $pagesData = []; // 儲存視訊資料

 // 匹配獲取 aid  
 preg_match('/={"aid":(\d+).*/', $content, $matchAid);
 if (empty($matchAid)) return ['code' => 500, 'msg' => '沒有匹配到 aid'];
 $pagesData['aid'] = $matchAid[1];

 // 匹配 pages json 陣列的資料
 preg_match('/videoData.*pages\":(.*),\"subtitle\":/', $content, $matchPages);
 if (empty($matchPages)) return ['code' => 500, 'msg' => '沒有匹配到 pages'];

 $jsonToArray = json_decode($matchPages[1], true);

 // 迴圈處理資料
 foreach ($jsonToArray as $k => $v) {
     $pagesData[$k]['cid']  = $v['cid'];
     $pagesData[$k]['page'] = $v['page'];
     $pagesData[$k]['part'] = $v['part'];
 }

 return ['code' => 200, 'data' => $pagesData];
}

列印 $pagesData 陣列。其結果如下：
使用 cURL 函式下載B站字幕

第二步、獲取 subtitle_url

利用上一步獲取到的 cid、aid、bvid引數值去請求介面，利用正則匹配到 subtitle_url 的值，這個值是字幕的 json 檔案連結。

/**
 * 獲取視訊的cc字幕json檔案連結
 *
 * @param $cid  int    不清楚
 * @param $aid  int    AV號
 * @param $bvid string BV號
 */
public function getSubtitleUrl(int $cid, int $aid, string $bvid)
{
    $url = 'https://api.bilibili.com/x/player.so?id=' . urlencode('cid:') . $cid . '&aid=' . $aid . "&bvid=" . $bvid;

    $header = [
        "authority: www.bilibili.com",
        'sec-ch-ua: "Chromium";v="86", "\"Not\\A;Brand";v="99", "Google Chrome";v="86"',
        'user-agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.183 Safari/537.36',
        'accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
        'origin: https://www.bilibili.com',
        'sec-fetch-site: same-origin',
        'sec-fetch-mode: cors',
        'sec-fetch-dest: empty',
        'referer: https://www.bilibili.com/',
        'accept-language: zh-CN,zh;q=0.9,en;q=0.8',
        'cookie: finger=1295565314; bsource=search_google; _uuid=B789D864-3818-3B60-C60C-40572299324578222infoc; buvid3=43FE4003-58BE-4DFF-9EC9-D2673FBE9672138377infoc; CURRENT_FNVAL=80; blackside_state=1; sid=j0093qgz; finger=1295565314; PVID=3; rpdid=|(umR~Yuk~)k0J\'uY|RRYu)~Y'
];

    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_HTTPHEADER, $header);
    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, 0);
    curl_setopt($ch, CURLOPT_SSL_VERIFYSTATUS, 0);
    $content = curl_exec($ch);
    curl_close($ch);

//        // 將 subtitle html儲存成檔案
//        $fp = fopen(app()->getRootPath().'view/subtitle.html','w');
//        fwrite($fp,$content);
//        fclose($fp);

    $subtitleData = $this->logic->getSubtitleData($content);

    if ($subtitleData['code'] == 500) throw new \Exception($subtitleData['msg']);
    return $subtitleData['data'];
}

把“將 subtitle html儲存成檔案”這段程式碼的註釋刪掉，執行程式後就可以在根目錄/view/subtitle.html檢視 cURL 返回的內容。

在 subtitle.html 中可以看到我們要用正規表示式匹配的資料在這個<subtitle></subtitle>標籤內，subtitle_url的值即為字幕 json 檔案的地址。

{
 "allow_submit": false,
 "lan": "",
 "lan_doc": "",
 "subtitles": [
     {
         "id": 31982954292445190,
         "lan": "en-US",
         "lan_doc": "英語（美國）",
         "is_lock": false,
         "author_mid": 483301783,
         "subtitle_url": "//i0.hdslb.com/bfs/subtitle/1cc78982172c6892257eb955d3feef80f2d1560c.json"
     },
     {
         "id": 31982964274364420,
         "lan": "zh-CN",
         "lan_doc": "中文（中國）",
         "is_lock": false,
         "author_mid": 483301783,
         "subtitle_url": "//i0.hdslb.com/bfs/subtitle/fc03562711af08687398775a4423dc71028e1203.json"
     }
 ]
}

呼叫getSubtitleData()用正規表示式獲取 subtitle_url、lan，程式碼如下所示：

/**
  * 獲取到中文和英文cc字幕的json連結
  *
  * @param $content string  是根目錄/view/subtitle.html
  * @return array
  */
 public function getSubtitleData(string $content)
 {
     if (empty($content)) return ['code' => 500, 'data' => '沒有需要解析的內容'];

     $subtitleData = []; // 儲存cc字幕的json連結

     // 匹配獲取 subtitle
     preg_match('/subtitles":(.*?)}<\/subtitle>/', $content, $matchSubtitle);
     if (empty($matchSubtitle)) return ['code' => 500, 'msg' => '沒有匹配到 subtitle'];

     $jsonToArray = json_decode($matchSubtitle[1], true);

     // 迴圈處理資料
     foreach ($jsonToArray as $k => $v) {
         $subtitleData[$v['lan']] = $v['subtitle_url'];
     }

     return ['code' => 200, 'data' => $subtitleData];
 }

列印 $subtitleData 陣列。其結果如下：
使用 cURL 函式下載B站字幕

/**
 * 獲取 json 檔案中的字幕字串，並寫入檔案
 *
 * @param $jsonUrl  string  字幕的json檔案鏈
 * @param $part     string  字幕標題
 * @param $preTitle int     字幕標題的字首
 */
public function getSubtitleData($jsonUrl, $part, $preTitle)
{
    $url    = 'https:' . $jsonUrl;
    $header = [
        'sec-ch-ua: "Chromium";v="86", "\"Not\\A;Brand";v="99", "Google Chrome";v="86"',
        'Accept: application/json, text/javascript, */*; q=0.01',
        'Referer: https://www.bilibili.com/',
        'sec-ch-ua-mobile: ?0',
        'User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.183 Safari/537.36',
    ];

    $ch = curl_init($url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_HTTPHEADER, $header);
    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, 0);
    curl_setopt($ch, CURLOPT_SSL_VERIFYSTATUS, 0);
    $content = curl_exec($ch);
    curl_close($ch);

    // 字幕寫入檔案
    $fileData = $this->logic->writeSubtitleToFile($content, $part, $this->start, $this->end, $preTitle);

    if ($fileData['code'] == 500) throw new \Exception($fileData['msg']);
    return $fileData['data'];
}

請求字幕json檔案地址後，返回如下內容：

{
 "font_size": 0.4,
 "font_color": "#FFFFFF",
 "background_alpha": 0.5,
 "background_color": "#9C27B0",
 "Stroke": "none",
 "body": [
     {
         "from": 0,
         "to": 3.41,
         "location": 2,
         "content": "Today we have something a little different."    // 這是字幕
     },
     {
         "from": 3.41,
         "to": 7.41,
         "location": 2, 
         "content": "Dr. Jane Goodall  is going to tell you a story." // 這是字幕
     },
     // 省略程式碼
 ]
}

從上面返回的 json 陣列中，拿到字幕content，然後拼接起來，寫入檔案。程式碼如下：

 /**
  * 將字幕寫入檔案
  *
  * @param $content   string 字幕的json資料
  * @param $part      string 字幕的標題
  * @param $start     int    開始爬取視訊的 p 值
  * @param $end       int    結束爬取視訊的 p 值
  * @param $preTitle  int    字幕標題的字首
  * @return array
  */
 public function writeSubtitleToFile(string $content, string $part, int $start, int $end, int $preTitle)
 {
     $start += 1;
     $end   += 1;

     $jsonToArray = json_decode($content, true);

     // 字幕在 body 中
     $bodyData = $jsonToArray['body'];
     if (empty($bodyData)) return ['code' => 500, 'msg' => '沒有獲取到字幕'];

     // 拼接字幕
     $ccString = "\n\n\n\nP$preTitle. " . $part . "\n";
     foreach ($bodyData as $k => $v) {
         $ccString .= $v['content'];
     }

     // 寫入檔案
     $ccString = str_replace('  ', ' ', $ccString);
     $filePath = app()->getRootPath() . "view/files/ClosedCaption_P$start-P$end.txt";
     $fp       = fopen($filePath, 'a');
     $fileData = fwrite($fp, $ccString);
     fclose($fp);

     if ($fileData === false) return ['code' => 500, 'msg' => '將字幕寫入檔案失敗'];
     return ['code' => 200, 'data' => $fileData];
 }

生成的檔案在根目錄\view\files\下，如圖所示：

由於時間問題，程式碼並沒有做過多的測試，如發現問題可在評論區提出

本作品採用《CC 協議》，轉載必須註明作者和本文連結

下載b站影片並生成音訊字幕
2024-12-09
音訊
使用 Python 下載 B 站視訊
2021-01-04
Python
b站自動生成的字幕
2024-06-11
如何使用curl命令下載檔案
2020-05-12
使用curl斷點續傳下載檔案
2021-07-11
斷點
Bilidown(B站影片下載工具) v1.1.5
2024-07-26
B站英文教學視訊的字幕獲取學習必看！
2021-06-27
伺服器不支援：curl_exec函式
2021-01-30
伺服器函式
Linux下getopt函式的使用
2018-07-19
Linux函式
2021年B站品牌營銷手冊（附下載）
2021-03-19
B站：2020美護行業通案（附下載）
2021-03-08
行業
ajax 下載Excel 新增回撥函式
2021-09-09
Excel函式
【CLI】使用 Curl 下載檔案實時進度條顯示
2018-03-24
ubuntu下firefox使用HTML 5播放器看B站
2020-12-23
UbuntuFirefoxHTML播放器
函式下
2020-12-30
函式
QImage：使用QImage建構函式載入影像和使用成員函式loadFromData載入影像的區別
2024-03-30
函式
給大家介紹一個 B站抖音影片下載神器
2024-03-29
B站品牌營銷指南：Z世代爭奪戰2020（附下載）
2020-02-11
landian下載站
2024-08-06
C++ 函式過載，函式模板和函式模板過載，選擇哪一個？
2020-05-04
C++函式
TypeScript 函式過載
2018-09-02
TypeScript函式
函式模板過載
2024-07-25
函式
B站商業化探索頻頻：品牌方如何佈局“小破站”營銷（附下載）
2020-09-30
2020年B站美護行業營銷解決方案（附下載）
2020-10-11
行業
php curl使用
2021-09-09
PHP
curl快速下載GitHub Repo指定commit的tar.gz
2021-08-12
GithubMIT
CMU出品，計算機圖形學秋季課程已上線，B站同步字幕影片
2020-11-02
計算機
PHP 中 CURL 使用之 CURL 詳解！
2019-06-25
PHP
B.日記和尤拉函式
2024-08-05
函式
函式: 函式是怎麼使用的?
2021-02-01
函式
何時使用函式表示式與函式宣告
2022-03-29
函式
薈聚：2022年B2B營銷帶動式增長白皮書（附下載）
2022-06-01
hive 的函式 lateral view 用法詳解 | 附pdf下載
2024-02-19
Hive函式View
edge函式使用
2018-09-11
函式
嗶哩嗶哩：2021年B站創作者生態報告（附下載）
2022-02-07
Python 函式如何過載？
2019-04-21
Python函式
02-函式過載
2019-02-01
函式
C++函式過載
2021-02-14
C++函式

使用 cURL 函式下載B站字幕

第二步、獲取 subtitle_url

相關文章