Descarga videos de la web con Python de forma rapida y facil

Descargar vídeos con Python

Agradezco la oportunidad brindada por Mi Diario Python y Diego Caraballo. En esta ocasión vamos a ver como usar dos librerías que nos ayudaran a la hora de extraer archivos como vídeos o audio (data en general) y acelerar el proceso de descarga, nos referimos a BeautifulSoup y PyAxel respectivamente.

Comencemos con la instalación:

pip install beautifulsoup4
pip install PyAxel

Puedes ver también: Como instalar pip en Linux y Windows

Hay que aclarar que debemos tener instalado Axel previamente para utilizar PyAxel.

BeautifulSoup4
Es una librería de Python que se utiliza para extraer datos de archivos HTML Y XML. Esta herramienta nos ahorra muchísimo tiempo a la hora de extraer datos de una página web (web scraping).

PyAxel
Es una librería de Python que funciona como un acelerador de descargas que funciona a la perfección con protocolos http y ftp.

Como ejemplo de este post vamos a descargar el vídeo que sale semanalmente del anime One Piece. Antes yo obtenía la url del archivo de vídeo de forma manual de la siguiente forma:

1 - Ingresaba la url del episodio en el navegador, en este caso es http://www.chia-anime.tv/watch/one-piece-episode-685/ y buscaba en el código fuente la segunda etiqueta iframe y en su atributo src encontraba la url del vídeo:

url del video

Para ver el código fuente de la página, damos click derecho en la página y seleccionamos inspeccionar elemento.

url con mp4

Con el tiempo me di cuenta que esto se podía automatizar y use los pasos descritos anteriormente como lógica para construir el siguiente script python:

import os
import urllib2
from bs4 import BeautifulSoup
 
os.system("clear")
 
# https://stackoverflow.com/questions/328356/extracting-text-from-html-file-using-python
episode = raw_input("Ingrese el episodio de One Piece a descargar: ")
url = "http://www.chia-anime.tv/watch/one-piece-episode-"+episode+"/"
html = urllib2.urlopen(url).read()
soup = BeautifulSoup(html)
# https://stackoverflow.com/questions/23028664/python-beautifulsoup-iframe-document-html-extract
iFrames=[]
for iframe in soup("iframe"):
    # https://stackoverflow.com/questions/8289957/python-2-7-beautiful-soup-img-src-extract (second answer)
    iFrames.append(soup.iframe.extract()["src"])
url = iFrames[2]
html = urllib2.urlopen(url).read()
soup = BeautifulSoup(html)
params=[]
for param in soup("param"):
    js = soup.param.extract()["value"]
    params.append(js)
video = params[1][182:237]
os.system('pyaxel ' + video)

• Declaramos las librerías que utilizaremos

import os
import urllib2
from bs4 import BeautifulSoup

• Solicitamos al usuario que ingrese el episodio a descargar y obtenemos el código html con BeautifulSoup luego de formar la url

os.system("clear")
 
# https://stackoverflow.com/questions/328356/extracting-text-from-html-file-using-python
episode = raw_input("Ingrese el episodio de One Piece a descargar: ")
url = "http://www.chia-anime.tv/watch/one-piece-episode-"+episode+"/"
html = urllib2.urlopen(url).read()
soup = BeautifulSoup(html)

• Creamos una lista donde almacenamos específicamente el atributo src de todas las etiquetas iframe

# https://stackoverflow.com/questions/23028664/python-beautifulsoup-iframe-document-html-extract
iFrames=[]
for iframe in soup("iframe"):
    # https://stackoverflow.com/questions/8289957/python-2-7-beautiful-soup-img-src-extract (second answer)
    iFrames.append(soup.iframe.extract()["src"])

• Repetimos el paso anterior con la nueva url (tomamos el segundo elemento de la lista porque es una constante donde se encuentra la url del vídeo), pero en este caso la lista creada almacenará el atributo value de todas las etiquetas param

url = iFrames[2]
html = urllib2.urlopen(url).read()
soup = BeautifulSoup(html)
params=[]
for param in soup("param"):
    js = soup.param.extract()["value"]
    params.append(js)

• Conseguimos la url del vídeo en el string que ocupa la posición 1 de la lista, entre las posiciones 182 y 237 (otra constante encontrada); al final pasamos la url a PyAxel para que proceda con la descarga

video = params[1][182:237]
os.system('pyaxel ' + video)

Los comentarios (#) del código hacen referencia al código utilizado que no es de mi autoría.

Para finalizar mostramos la prueba respectiva:

1

2

3

Gracias por la atención prestada y espero que el contenido les sea de mucha utilidad.

Autor: Paul Martin Panez Caballero

Contacto: Google+