mirror of
https://github.com/NanmiCoder/MediaCrawler.git
synced 2026-09-22 22:28:11 +08:00
程序员阿江(Relakkes)
0ca7b29cf0
旧实现只覆盖 4 个平台，且把整个文件读进内存、无重试与完整性校验，
代码按平台复制粘贴了 4 份。本次用统一下载器替换：
- 新增 media_downloader/：流式写入、Range 续传、指数退避重试、大小校验、
路径穿越防护；B 站 DASH 音视频分轨下载后交由 ffmpeg 无损合流
- 新增 media_platform/<平台>/media.py：从平台原始响应提取媒体地址，
与下载器解耦；快手首次接入下载能力
- 开关：config.ENABLE_GET_MEDIA 与 --get_media，并打通 API/WebUI；
同时修正旧配置项 ENABLE_GET_MEIDAS 的拼写
- 落盘按帖子聚合：{SAVE_DATA_PATH 或 data}/{platform}/media/{内容ID}/
- B 站装好 ffmpeg 时走 DASH 最高画质，否则降级 mp4 直链（产物 video-durl.mp4，
避免低清文件阻塞后续的高清路径）
- 删除 4 个 *_store_media.py、AbstractStoreImage/Video 及各 client 的媒体 GET 方法
媒体下载失败只记录日志，不中断爬取主流程。
116 lines
4.0 KiB
Python
116 lines
4.0 KiB
Python
# -*- coding: utf-8 -*-
|
||
# Copyright (c) 2025 relakkes@gmail.com
|
||
#
|
||
# This file is part of MediaCrawler project.
|
||
# Repository: https://github.com/NanmiCoder/MediaCrawler/blob/main/media_downloader/ffmpeg.py
|
||
# GitHub: https://github.com/NanmiCoder
|
||
# Licensed under NON-COMMERCIAL LEARNING LICENSE 1.1
|
||
#
|
||
|
||
# 声明：本代码仅供学习和研究目的使用。使用者应遵守以下原则：
|
||
# 1. 不得用于任何商业用途。
|
||
# 2. 使用时应遵守目标平台的使用条款和robots.txt规则。
|
||
# 3. 不得进行大规模爬取或对平台造成运营干扰。
|
||
# 4. 应合理控制请求频率，避免给目标平台带来不必要的负担。
|
||
# 5. 不得用于任何非法或不当的用途。
|
||
#
|
||
# 详细许可条款请参阅项目根目录下的LICENSE文件。
|
||
# 使用本代码即表示您同意遵守上述原则和LICENSE中的所有条款。
|
||
|
||
"""ffmpeg 检测与音视频合流。
|
||
|
||
DASH 资源（如 B 站）的视频轨与音频轨是分开的，需要 ffmpeg 无损封装成 mp4。
|
||
本机没有 ffmpeg 时调用方应降级为单流直链，不做任何隐式安装。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import asyncio
|
||
import contextlib
|
||
import functools
|
||
import logging
|
||
import shutil
|
||
from pathlib import Path
|
||
|
||
from .types import MediaDownloadError
|
||
|
||
logger = logging.getLogger("MediaCrawler.media_downloader.ffmpeg")
|
||
|
||
DEFAULT_MERGE_TIMEOUT = 300.0
|
||
|
||
|
||
@functools.lru_cache(maxsize=1)
|
||
def ffmpeg_path() -> str | None:
|
||
"""返回本机 ffmpeg 可执行文件路径，不存在则返回 None（进程内缓存一次）"""
|
||
return shutil.which("ffmpeg")
|
||
|
||
|
||
def is_available() -> bool:
|
||
"""本机是否具备 ffmpeg"""
|
||
return ffmpeg_path() is not None
|
||
|
||
|
||
async def merge_audio_video(
|
||
video_path: Path,
|
||
audio_path: Path,
|
||
output_path: Path,
|
||
timeout: float = DEFAULT_MERGE_TIMEOUT,
|
||
) -> None:
|
||
"""把独立的视频轨与音频轨无损封装成 mp4。
|
||
|
||
必须使用 ``asyncio.create_subprocess_exec``：爬虫的采集与评论任务跑在同一个
|
||
事件循环上，同步的 ``subprocess.run`` 会阻塞整个循环数十秒。
|
||
|
||
:raises MediaDownloadError: ffmpeg 不存在、超时或返回非 0
|
||
"""
|
||
executable = ffmpeg_path()
|
||
if not executable:
|
||
raise MediaDownloadError("未检测到 ffmpeg，无法合流 DASH 音视频")
|
||
|
||
process = await asyncio.create_subprocess_exec(
|
||
executable,
|
||
"-hide_banner",
|
||
"-loglevel",
|
||
"error",
|
||
"-y",
|
||
"-i",
|
||
str(video_path),
|
||
"-i",
|
||
str(audio_path),
|
||
"-c",
|
||
"copy",
|
||
str(output_path),
|
||
stdout=asyncio.subprocess.DEVNULL,
|
||
stderr=asyncio.subprocess.PIPE,
|
||
)
|
||
|
||
try:
|
||
_, stderr = await asyncio.wait_for(process.communicate(), timeout=timeout)
|
||
except asyncio.TimeoutError as exc:
|
||
process.kill()
|
||
await process.wait()
|
||
raise MediaDownloadError(f"ffmpeg 合流超时（{timeout}s）") from exc
|
||
except BaseException:
|
||
# 外部取消（Ctrl-C / 任务被 abort）不会走上面的超时分支，
|
||
# 这里必须显式回收子进程，否则 ffmpeg 会变成孤儿继续跑满整个编解码任务
|
||
if process.returncode is None:
|
||
process.kill()
|
||
# 等待子进程真正退出：否则 transport 会留到事件循环关闭后才被 GC 并报错。
|
||
# 取消状态下这个 await 可能再次被取消，吞掉即可，原始异常照常抛出
|
||
with contextlib.suppress(BaseException):
|
||
await process.wait()
|
||
raise
|
||
|
||
if process.returncode != 0:
|
||
detail = stderr.decode("utf-8", errors="replace")[-500:] if stderr else ""
|
||
raise MediaDownloadError(f"ffmpeg 合流失败（退出码 {process.returncode}）: {detail}")
|
||
|
||
if not output_path.exists() or output_path.stat().st_size == 0:
|
||
raise MediaDownloadError("ffmpeg 合流产物为空")
|
||
|
||
logger.info(
|
||
"[merge_audio_video] 合流完成: %s (%d bytes)",
|
||
output_path.name,
|
||
output_path.stat().st_size,
|
||
)
|