search

SocialSisterYi / bilibili-API-collect

哔哩哔哩-API收集整理【不断更新中....】
https://socialsisteryi.github.io/bilibili-API-collect/
Other
14.79k stars 1.68k forks source link

关于获取ai字幕和遍历用户投稿视频的访问限制 #796

Open Alien1007 opened 1 year ago

Alien1007 commented 1 year ago

经过这几天的实验，我得到的结论为：

  1. AI 字幕需要使用登录账号的cookie进行请求，请求url为：https://api.bilibili.com/x/player/v2?cid=1007315530&bvid=BV1vG4y1K7nH；但是请求频繁或是量多会被ban，我尝试过从并发到单进程sleep 5s，无一幸免最终都被封，封禁时间貌似是12h？还挺长的。体现为接口返回正常返回内容，但是subtitle列表为空（即使实际上有ai字幕），无法获取subtitle_url。

    image

  2. 使用接口 https://api.bilibili.com/x/space/wbi/arc/search? 来遍历用户投稿视频信息时，即使使用wbi权鉴，也是运行个几分钟就出现下图的错误，停一小短时间重试又恢复正常。 image

问题为：

  1. AI 字幕请求与用户投稿遍历的风控的机制大概是怎样的，如何能实现稳定请求？多cookie轮换？

提前感谢各位大佬不吝赐教！！！

188102836 commented 1 year ago

这两个 api 是文档里的吗，为啥我搜不到啊，能给个链接吗。

image image

  1. AI 字幕需要使用登录账号的cookie进行请求，请求url为：https://api.bilibili.com/x/player/v2?cid=1007315530&bvid=BV1vG4y1K7nH

这个 AI 字幕的 api 是按什么返回的？时长，字数，还是其它东西？

3. 使用接口 https://api.bilibili.com/x/space/wbi/arc/search? 来遍历用户投稿视频信息时，即使使用wbi权鉴，也是运行个几分钟就出现下图的错误，停一小短时间重试又恢复正常。

是不是请求频率太高了？正常用户操作应该没那么高。

顺便说一句，这应该是第二项吧

BaiCha2007 commented 1 year ago

image 模糊搜索，有些文档可能改过了 而且这个第二个接口'x/space/wbi/arc/search'都还没更新进去，当然搜不到了

这两个 api 是文档里的吗，为啥我搜不到啊，能给个链接吗。

image image

  1. AI 字幕需要使用登录账号的cookie进行请求，请求url为：https://api.bilibili.com/x/player/v2?cid=1007315530&bvid=BV1vG4y1K7nH

这个 AI 字幕的 api 是按什么返回的？时长，字数，还是其它东西？

  1. 使用接口 https://api.bilibili.com/x/space/wbi/arc/search? 来遍历用户投稿视频信息时，即使使用wbi权鉴，也是运行个几分钟就出现下图的错误，停一小短时间重试又恢复正常。

是不是请求频率太高了？正常用户操作应该没那么高。

顺便说一句，这应该是第二项吧

188102836 commented 1 year ago

好的，谢谢

BaiCha2007 commented 1 year ago

我也遇到了code：-401 非法访问，期待一个解决方法，也许和buvid有关？

Alien1007 commented 1 year ago

这两个 api 是文档里的吗，为啥我搜不到啊，能给个链接吗。

image image

  1. AI 字幕需要使用登录账号的cookie进行请求，请求url为：https://api.bilibili.com/x/player/v2?cid=1007315530&bvid=BV1vG4y1K7nH

这个 AI 字幕的 api 是按什么返回的？时长，字数，还是其它东西？

  1. 使用接口 https://api.bilibili.com/x/space/wbi/arc/search? 来遍历用户投稿视频信息时，即使使用wbi权鉴，也是运行个几分钟就出现下图的错误，停一小短时间重试又恢复正常。

是不是请求频率太高了？正常用户操作应该没那么高。

顺便说一句，这应该是第二项吧

  1. 接口链接就在原问题里
  2. 字幕数据主要是subtitles列表中的元素，除了语言之外，重要的其实是那个subtitle_url，访问可得到json格式的字幕文件，但是这个url中的auth_key跟cookie貌似是绑定的。（不一定是ai字母，只要是外挂字幕都会在subtitles字段里，但是ai字幕会受到比较大的风控限制，用户上传字幕目前看来随便拿；即，如果账号被风控，对于同一个既有ai字幕又有上传字幕的视频，subtitles列表中的上传字幕会正常返回，ai字幕会消失不见）
188102836 commented 1 year ago
  1. 接口链接就在原问题里

没说清楚，当时想说的是文档链接，不然我不清楚参数和返回值

  1. 访问可得到json格式的字幕文件

意思是这个字幕是整个视频的吗？5 秒的频率可能也太快了吧，正常一个视频也不止 5 秒。不过用户上传字幕正常返回，可能和 B 站的 AI 字幕生成有关吧，会用比较多资源，而用户上传的只要返回文件就行了

BaiCha2007 commented 1 year ago

意思是这个字幕是整个视频的吗？5 秒的频率可能也太快了吧，正常一个视频也不止 5 秒。不过用户上传字幕正常返回，可能和 B 站的 AI 字幕生成有关吧，会用比较多资源，而用户上传的只要返回文件就行了

可能是需要登录才能获取字幕吧

image

这个5s指的是这个吗？原视频内的是一首歌的歌词，5s一切我看了一下，没什么问题 image

188102836 commented 1 year ago

可能是需要登录才能获取字幕吧

确实，不过作者不是已经说了 “使用登录账号的cookie进行请求” 吗？

这个5s指的是这个吗？

不是，指的是作者说 “我尝试过从并发到单进程 sleep 5s，无一幸免最终都被封”。就是作者每隔 5s 请求一次

00randomize00 commented 1 year ago

https://api.bilibili.com/x/space/wbi/arc/search? 这个接口只要在访问时在Cookie里加 buvid3 (关于buvid3的方法可以参考这个->https://github.com/SocialSisterYi/bilibili-API-collect/issues/686#issuecomment-1619755760) , ~然后给一个正常user-agent就可以了。我自己测试了一下，还蛮稳定的。如果出现-401, 那么就抓过buvid3就可以了。~

至于AI字幕我觉得不太可能有比较稳定的方法，因为他是跟SESSDATA绑在一起的。我尝试在无痕模式下打开视频，可是连“字幕”的选项都没有跳出来，所以我觉得不太可能。（当然这个只是基于我技术不好的看法，也许其他大佬能够有方法稳定抓AI字幕)

Edit 1 : https://api.bilibili.com/x/space/wbi/arc/search?这个接口的buvid3似乎没有那么严格，直接访问 https://www.bilibili.com/ 然后抓取cookie里面的buvid3就可以了，不需要特别的访问https://api.bilibili.com/x/internal/gaia-gateway/ExClimbWuzhi这个接口来验证buvid3

Edit 2 : https://api.bilibili.com/x/space/wbi/arc/search?这个接口测试了几个小时后发现重点应该是在user-agent，但这个user-agent其实是可以乱写的（ 例如: js随机的Math.random也是可以的）。如果出现-401, 换一个user-agent就可以了，不需要重新抓过buvid3 。 然后在研究这个接口的时候，意外发现现在的wbi的接口不需要w_rid和wts也能正常访问

Alien1007 commented 1 year ago

意思是这个字幕是整个视频的吗？5 秒的频率可能也太快了吧，正常一个视频也不止 5 秒。不过用户上传字幕正常返回，可能和 B 站的 AI 字幕生成有关吧，会用比较多资源，而用户上传的只要返回文件就行了

是的，可以拿到整个视频的字幕；按说ai字幕大概率也不能是实时生成的吧，只能说这些字幕数据b站看得比较宝贝。我在尝试用多个cookie轮换实验，一个挂了下一个顶上，但是需要较多cookie才能完全覆盖被封的那段时间而保证获取不间断；目前看来正常切换了几轮了，不过有点担心这么搞会被永封...

Alien1007 commented 1 year ago

如果出现-401, 换一个user-agent就可以了，不需要重新抓过buvid3

@00randomize00 试了一下这个思路，-401的时候就获取随机字符串赋值给header["User-Agent]，可还是-401。并且我是在脚本中批量跑的（准备了1000个up主）。单独跑确实随便一个ua都可以。 image

00randomize00 commented 1 year ago

想问一下，你的批量跑是指同时进行多个请求吗？如果是的话，那么我确实没有考虑+测试到这个问题

00randomize00 commented 1 year ago

@Alien1007 我测试了同时进行多个请求。我的做法是每一次做50request, 每一个request的user-agent都是随机的，然后访问 https://www.bilibili.com/抓cookie（这次我是把全部cookie加在headers，然后cookie可以一样一直到出现-401 例子:innersign=0;buvid3=8C55DD22-BFF4-4EB5-EF89-413A8441D83386933infoc;b_nut=1693230986;i-wanna-go-back=-1;b_ut=7）。如果出现-401，就抓过全部的cookie。我用for loop 从mid 0 抓到 2090 都还蛮稳定的。

如果同时请求过多或一次抓太多，那么我觉得只有rotate proxy了。这是我第一轮写的代码因为逻辑错误，导致同时进行太多个request而发现的。我自己只测试最高用200同时请求，抓到mid 4000+就开始-401了。

Alien1007 commented 1 year ago

@00randomize00 没有，我是单进程请求跑的投稿视频遍历实验，只是准备了较多的mid输入，不过我的cookie是从浏览器复制然后写死在headers里的，可能cookie也要动态变化？我也发现即使不使用cookie，同样是我遇到的这种跑一会儿，-401一会儿的情况；离谱的是，提示-401后，我kill当前进程然后马上重跑命令，居然可以继续获取...

00randomize00 commented 1 year ago

@Alien1007 在我测试多个同时请求后才发现cookie也是要改的。我总结一下我目前观察到的结论：user-agent -> cookie -> ip。user-agent 我觉得每一次的请求都让它随机，cookie 出现-401才换过。如果cookies换了还是-401，那么我觉得只有用proxy来改ip了

Alien1007 commented 1 year ago
  1. 字幕数据主要是subtitles列表中的元素，除了语言之外，重要的其实是那个subtitle_url，访问可得到json格式的字幕文件，但是这个url中的auth_key跟cookie貌似是绑定的。（不一定是ai字母，只要是外挂字幕都会在subtitles字段里，但是ai字幕会受到比较大的风控限制，用户上传字幕目前看来随便拿；即，如果账号被风控，对于同一个既有ai字幕又有上传字幕的视频，subtitles列表中的上传字幕会正常返回，ai字幕会消失不见）

可恶啊，现在用户上传字幕（非AI生成）也需要登陆才能获取了，可能是最近更新的？

00randomize00 commented 1 year ago

更新一下，https://api.bilibili.com/x/space/wbi/arc/search? 这个接口似乎恢复了w_rid和wts的需求。如果第一次访问b站没有带wbi那么都会-401，之后访问不带wbi似乎也可以（不确定有没有时间限制，我没有测试）。但如果把user-agent只放mozilla/5.0，这个wbi可以不放。所以现在有稳定需求的话，还是放wts和w_rid吧

zhandao commented 1 year ago

感谢上面朋友们的踩坑