shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

网页音视频提取

Extract downloadable audio and video from web pages and media URLs. Supports multiple URL batch extraction, title-based folders, original formats, short/ad filtering, reports, and SkillHub updates.

personAuthor: user_0f00a14fhubcommunity
downloadDownload package

网页音视频提取 / Web Media Extractor

目标

把用户有权访问的网页音视频提取为本地文件。支持一次处理多个网址，按网页标题单独建目录，尽量保持原始下载格式，不默认转码；自动记录视频数量、音乐数量、跳过原因和失败方法。

不要绕过 DRM、付费权限、登录权限或版权保护。遇到加密、会员、付费课程、版权音乐等内容，只说明限制并给出合法替代方案，例如用户提供本地文件、平台导出文件或录屏/录音。

快速流程

  1. 如果用户没有给保存路径，先让用户选择保存路径；不要替用户随意放到系统下载目录。
  2. 将多个链接整理为 URL 列表。每个网页单独输出到 序号_网页标题 文件夹。
  3. 优先运行脚本：
python scripts/web_media_extractor.py --url "https://example.com/page1" --url "https://example.com/page2" --out "D:\用户选择的保存目录" --workers 3
  1. 如果网页需要浏览器登录态，可加：
python scripts/web_media_extractor.py --url "https://example.com/page" --out "D:\用户选择的保存目录" --cookies-from-browser chrome --network-probe
  1. 读取 download_report.json 和 download_report.csv，向用户说明成功下载的视频/音乐数量、跳过项、失败原因和需要人工处理的链接。

如果网页自动化、yt-dlp 或 FFmpeg 能力缺失，先运行：

python scripts/setup_environment.py --install-basic
python scripts/setup_environment.py --install-browser

第一条补齐 yt-dlp 和 Python 版 FFmpeg 辅助能力；第二条补齐 Playwright 浏览器自动化。若电脑策略禁止安装，继续使用 F12、插件 F 键法或用户手工复制媒体链接。

自动方法链

按顺序尝试，前一种方法失败再进入后一种；如果用户要求“穷尽提取”，使用 --exhaustive 让后续方法继续补充候选资源。

  1. yt-dlp 直接解析：适合主流视频网站、短视频页、嵌入播放器、m3u8 分段流。保持原格式优先；m3u8 只做下载合并，不做画质重编码。
  2. 网页源码解析：读取 HTML 中的 video/src、audio/src、source/src、og:video、og:audio、.mp4、.webm、.m3u8、.mp3、.m4a、.flac、.wav 等线索，再直接下载。
  3. 浏览器网络嗅探：有 Playwright/Chrome 自动化能力时，打开网页并监听 Network 响应里的音视频链接；没有网页自动化技能或运行环境时，输出配置提示并转入人工抓取法。
  4. 插件 F 键法：参考猫抓 CatCatch、FlowPick、Video DownloadHelper、Video Area Downloader 等浏览器扩展，把“打开资源面板”绑定为 F 或 Shift+F，播放网页音视频后嗅探下载。
  5. F12 原生法：打开开发者工具，进入 Network/Media，刷新并播放，按 Size 排序，复制或新标签打开 .mp4/.webm/.mp3/.m4a/.m3u8 链接。
  6. 源代码搜索法：用 Ctrl+U 搜索 .mp4、.webm、.m3u8、.mp3、video src=、audio src=。
  7. 录屏/录音兜底：只用于无法直接提取且用户有合法保存权的内容。说明这不是原始文件提取。

详细人工流程见 extraction-methods.md。

输出规则

  • 保存目录由用户选择；技能不得固定写死到下载目录。
  • 每个网页使用网页标题建独立目录；文件名使用网页标题、媒体序号和原始扩展名。
  • 格式保持下载到的原始格式。不要为了统一格式而把 .webm/.m4a/.flac 转成 .mp4/.mp3。
  • m3u8 分段流需要 yt-dlp 与 FFmpeg/等价工具合并；没有合并工具时，只记录候选链接和安装提示。
  • 默认过滤小于 5 秒的视频和音乐。无法判断时长的文件要标记 duration_unknown，不要把它伪装成已完全验证。
  • 广告、跟踪、预加载提示音、小体积短片段、ad/ads/advert/doubleclick/tracking/promo/banner 等明显广告线索默认跳过。
  • 生成 download_report.json、download_report.csv 和 skipped.json，分别记录成功项、累计数量、跳过原因和每种方法的失败信息。

依赖与替代

优先使用本机或 Codex/WorkBuddy 已带的 Python。推荐安装 yt-dlp、FFmpeg/ffprobe、Playwright/Chrome 自动化；缺任一项时不要卡死，继续走源码解析、F12、插件或录屏兜底。没有系统 FFmpeg 时，可用 imageio-ffmpeg 作为合并工具的替代来源。

检查环境：

python scripts/web_media_extractor.py --check-deps

常见补齐方式：

python -m pip install -U yt-dlp playwright
python -m playwright install chromium
winget install Gyan.FFmpeg

如果不能安装 FFmpeg，可以先运行 python scripts/setup_environment.py --install-basic 安装 Python 版辅助包；仍不可用时，优先用 yt-dlp 能直接处理的完整媒体链接，或把 m3u8 交给猫抓内置解析器、Video DownloadHelper、VLC、浏览器扩展、平台导出工具处理。

版本与更新

当前本地版本以 _meta.json 为准。发布到 SkillHub 后，平台页面为 https://skillhub.cn/skills/user_0f00a14f/web-audio-video-extractor。

查询或更新：

python scripts/skillhub_update.py
python scripts/skillhub_update.py --download-to "E:\codexouput\tansuo\skillhub_packages\web-audio-video-extractor_latest.zip"
python scripts/skillhub_update.py --install --target "C:\Users\JackZhou\.codex\skills\web-media-extractor"
python scripts/skillhub_update.py --install --target "C:\Users\JackZhou\.workbuddy\skills\web-media-extractor"

更新脚本只从环境变量读取 SKILLHUB_API_KEY，不得把密钥、cookie、账号信息写入技能包、日志、报告或压缩包。